'tfl' Dialecte

Le dialecte TensorFlow Lite.

Ce dialecte correspond aux opérations TensorFlow Lite.

Invariants:

• Toutes les valeurs sont de type Tensor (en particulier, les scalaires sont représentés à l'aide de tenseurs de dimension zéro) ;

Opérations

tfl.abs (TFL::AbsOp)

Opérateur de valeur absolue

Étant donné un tenseur x , cette opération renvoie un tenseur contenant la valeur absolue de chaque élément de x . Par exemple, si x est un élément d'entrée et y un élément de sortie, cette opération calcule \(y = |x|\).

Traits : AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes:

Opérande	Description
x	tenseur de valeurs entières sans signe de 16 bits ou entières sans signe de 32 bits ou flottantes de 32 bits ou de type QI8 ou de type QI16

Résultats:

Résultat	Description
y	tenseur de valeurs entières sans signe de 16 bits ou entières sans signe de 32 bits ou flottantes de 32 bits ou de type QI8 ou de type QI16

tfl.add (TFL::AddOp)

Opérateur d'addition

Opération d'addition élément par élément.

Traits : ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , Commutative , QuantizableResult , ResultsBroadcastableShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
fused_activation_function	::mlir::StringAttr	attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT

Opérandes:

Opérande	Description
lhs	tenseur de valeurs de type float 32 bits ou de type entier sans signe 16 bits ou de type entier sans signe 32 bits ou de type entier sans signe 64 bits ou de type QI8 ou de type QUI8 ou de type QI16
rhs	tenseur de valeurs de type float 32 bits ou de type entier sans signe 16 bits ou de type entier sans signe 32 bits ou de type entier sans signe 64 bits ou de type QI8 ou de type QUI8 ou de type QI16

Résultats:

Résultat	Description
output	tenseur de valeurs de type float 32 bits ou de type entier sans signe 16 bits ou de type entier sans signe 32 bits ou de type entier sans signe 64 bits ou de type QI8 ou de type QUI8 ou de type QI16

tfl.add_n (TFL::AddNOp)

_Ajouter l'opérateur n

Ajoute tous les tenseurs d'entrée élément par élément.

Traits : AlwaysSpeculatableImplTrait , Commutative

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes:

Opérande	Description
inputs	variadique de tenseurs de tout type de valeurs

Résultats:

Résultat	Description
sum	tenseur de valeurs flottantes de 32 bits ou de valeurs entières sans signe de 32 bits

tfl.arg_max (TFL::ArgMaxOp)

Opérateur ArgMax

Renvoie l'index avec la plus grande valeur parmi les dimensions d'un tenseur.

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
output_type	::mlir::Attribut	attribut dérivé

Opérandes:

Opérande	Description
input	tenseur de valeurs entières sans signe de 1 bit ou de nombres flottants de 32 bits ou d'entiers sans signe de 32 bits ou d'entiers sans signe de 8 bits ou d'entiers non signés de 8 bits ou de type QI8 ou QUI8
dim	tenseur de valeurs entières sans signe 32/64 bits

Résultats:

Résultat	Description
output	tenseur de valeurs entières sans signe 32/64 bits

tfl.arg_min (TFL::ArgMinOp)

Opérateur ArgMin

Renvoie l'index avec la plus petite valeur parmi les dimensions d'un tenseur. a = [1, 10, 26,9, 2,8, 166,32, 62,3] b = tf.math.argmin(input = a) c = tf.keras.backend.eval(b)

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
output_type	::mlir::Attribut	attribut dérivé

Opérandes:

Opérande	Description
input	tenseur de valeurs entières sans signe de 1 bit ou de nombres flottants de 32 bits ou d'entiers sans signe de 32 bits ou d'entiers sans signe de 8 bits ou d'entiers non signés de 8 bits ou de type QI8 ou QUI8
dim	tenseur de valeurs entières sans signe 32/64 bits

Résultats:

Résultat	Description
output	tenseur de valeurs entières sans signe 32/64 bits

tfl.assign_variable (TFL::AssignVariableOp)

Affecte une nouvelle valeur à une variable.

Tout ReadVariableOp avec une dépendance de contrôle sur cette opération est assuré de renvoyer cette valeur ou une valeur ultérieure plus récente de la variable.

Interfaces : TflRuntimeVerifyOpInterface

Opérandes:

Opérande	Description
resource_id	tenseur des valeurs des ressources
value	tenseur de nombre flottant 32 bits ou de nombre flottant 64 bits ou d'entier sans signe 1 bit ou d'entier non signé 8 bits ou d'entier sans signe 8 bits ou de type QI8 ou de type QUI8 ou d'entier sans signe 32 bits ou d'entier sans signe 64 bits ou de type QI16 ou de type complexe avec des éléments flottants 32 bits ou de type complexe avec des valeurs d'éléments flottants 64 bits

tfl.atan2 (TFL::Atan2Op)

Fonctionnement d'Atan2

L'opération « atan2 » calcule l'arc tangente de y/x élément par élément, en respectant les signes des arguments.

Traits : AlwaysSpeculatableImplTrait , SameOperandsAndResultType

Interfaces : ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes:

Opérande	Description
y	tenseur de valeurs flottantes 32 bits ou 64 bits
x	tenseur de valeurs flottantes 32 bits ou 64 bits

Résultats:

Résultat	Description
output	tenseur de valeurs flottantes 32 bits ou 64 bits

tfl.average_pool_2d (TFL::AveragePool2DOp)

Opérateur 2D _Average_pool

Effectue une opération de regroupement moyen sur l'entrée.

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
filter_height	::mlir::IntegerAttr	Attribut entier sans signe 32 bits
filter_width	::mlir::IntegerAttr	Attribut entier sans signe 32 bits
padding	::mlir::StringAttr	attribut de chaîne dont la valeur est SAME ou VALID
stride_h	::mlir::IntegerAttr	Attribut entier sans signe 32 bits
stride_w	::mlir::IntegerAttr	Attribut entier sans signe 32 bits
fused_activation_function	::mlir::StringAttr	attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT

Opérandes:

Opérande	Description
input	tenseur de valeurs de type float 32 bits ou QI8 ou QUI8 ou QI16

Résultats:

Résultat	Description
output	tenseur de valeurs de type float 32 bits ou QI8 ou QUI8 ou QI16

tfl.basic_lstm (TFL::BasicLSTMOp)

L'opérateur lstm de base

Opérateur de cellule LSTM de base.

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
fused_activation_function	::mlir::StringAttr	attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT
cell_clip	::mlir::FloatAttr	Attribut flottant 32 bits dont la valeur n'est pas négative
proj_clip	::mlir::FloatAttr	Attribut flottant 32 bits dont la valeur n'est pas négative
kernel_type	::mlir::TFL::LSTMKernelTypeAttr	lstm_kernel_type dont la valeur est mlir::TFL::LSTMKernelType::BASIC

Opérandes:

Opérande	Description
data_input	tenseur de valeurs de type float ou QUI8 32 bits
prev_activ_input	tenseur de valeurs de type float ou QUI8 32 bits
weights_input	tenseur de valeurs de type float ou QUI8 32 bits
biases_input	tenseur de valeurs de type float 32 bits ou QI32
prev_state_input	tenseur de valeurs de type float 32 bits ou QI16

Résultats:

Résultat	Description
activ_output	Tenseur 2D de tout type de valeurs
state_output	Tenseur 2D de tout type de valeurs
concat_temp	Tenseur 2D de tout type de valeurs
activ_temp	Tenseur 2D de tout type de valeurs

tfl.batch_matmul (TFL::BatchMatMulOp)

Opérateur de multiplication de matrice par lots

Effectue une multiplication matricielle par lots sur les entrées. Respecte les conventions de TensorFlow BatchMatMulV2, avec prise en charge des dimensions inconnues dans les dimensions par lots et la diffusion.

Inputs:
  `inputs[0]`: required: input LHS
  `inputs[1]`: required: input RHS
  `adjoint_lhs`: optional: Transpose LHS (default false)
  `adjoint_rhs`: optional: Transpose RHS (default false)

Traits : ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , DynamicRangeQuantizedOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
adj_x	::mlir::BoolAttr	attribut booléen
adj_y	::mlir::BoolAttr	attribut booléen
asymmetric_quantize_inputs	::mlir::BoolAttr	attribut booléen

Opérandes:

Opérande	Description
x	tenseur de valeurs flottantes 32 bits ou de type QI8 ou de type QI16 ou de valeurs entières sans signe 8 bits
y	tenseur de valeurs flottantes 32 bits ou de type QI8 ou de type QI16 ou de valeurs entières sans signe 8 bits

Résultats:

Résultat	Description
output	tenseur de valeurs flottantes 32 bits ou de type QI8 ou QI16 ou de valeurs entières sans signe 32 bits

tfl.batch_to_space_nd (TFL::BatchToSpaceNdOp)

Opérateur BatchToSpaceNd

Cette opération remodèle la dimension « lot » 0 en dimensions d'espace.

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes:

Opérande	Description
input	tenseur de valeurs de type float 32 bits ou de type entier sans signe 8 bits ou de type entier sans signe 32 bits ou de type entier sans signe 64 bits ou de type entier non signé 8 bits ou de type QI8 ou de type QUI8 ou de type QI16
block_shape	tenseur de valeurs entières sans signe de 32 bits
indices	tenseur de valeurs entières sans signe de 32 bits

Résultats:

Résultat	Description
output	tenseur de valeurs de type float 32 bits ou de type entier sans signe 16 bits ou de type entier sans signe 32 bits ou de type entier sans signe 64 bits ou de type entier non signé 8 bits ou de type QI8 ou de type QUI8 ou de type QI16

tfl.bidirectional_sequence_lstm (TFL::BidirectionalSequenceLSTMOp)

Opérateur lstm de séquence bidirectionnelle

Un LSTM bidirectionnel est constitué de deux LSTM, l'un orienté vers l'avant, l'autre vers l'arrière. Le résultat est la concaténation des deux LSTM.

Traits : QuantizableResult

Interfaces : DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

Attributs :

Attribut	Type MLIR	Description
fused_activation_function	::mlir::StringAttr	attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT
cell_clip	::mlir::FloatAttr	Attribut flottant 32 bits dont la valeur n'est pas négative
proj_clip	::mlir::FloatAttr	Attribut flottant 32 bits dont la valeur n'est pas négative
merge_outputs	::mlir::BoolAttr	attribut booléen
time_major	::mlir::BoolAttr	attribut booléen
asymmetric_quantize_inputs	::mlir::BoolAttr	attribut booléen

Opérandes:

Opérande	Description
input	tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
fw_input_to_input_weights	tenseur de tout type valeurs ou aucun type
fw_input_to_forget_weights	tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
fw_input_to_cell_weights	tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
fw_input_to_output_weights	tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
fw_recurrent_to_input_weights	tenseur de tout type valeurs ou aucun type
fw_recurrent_to_forget_weights	tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
fw_recurrent_to_cell_weights	tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
fw_recurrent_to_output_weights	tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
fw_cell_to_input_weights	tenseur de tout type valeurs ou aucun type
fw_cell_to_forget_weights	tenseur de tout type valeurs ou aucun type
fw_cell_to_output_weights	tenseur de tout type valeurs ou aucun type
fw_input_gate_bias	tenseur de tout type valeurs ou aucun type
fw_forget_gate_bias	tenseur de valeurs flottantes 32 bits
fw_cell_bias	tenseur de valeurs flottantes 32 bits
fw_output_gate_bias	tenseur de valeurs flottantes 32 bits
fw_projection_weights	tenseur de tout type valeurs ou aucun type
fw_projection_bias	tenseur de tout type valeurs ou aucun type
bw_input_to_input_weights	tenseur de tout type valeurs ou aucun type
bw_input_to_forget_weights	tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
bw_input_to_cell_weights	tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
bw_input_to_output_weights	tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
bw_recurrent_to_input_weights	tenseur de tout type valeurs ou aucun type
bw_recurrent_to_forget_weights	tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
bw_recurrent_to_cell_weights	tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
bw_recurrent_to_output_weights	tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
bw_cell_to_input_weights	tenseur de tout type valeurs ou aucun type
bw_cell_to_forget_weights	tenseur de tout type valeurs ou aucun type
bw_cell_to_output_weights	tenseur de tout type valeurs ou aucun type
bw_input_gate_bias	tenseur de tout type valeurs ou aucun type
bw_forget_gate_bias	tenseur de valeurs flottantes 32 bits
bw_cell_bias	tenseur de valeurs flottantes 32 bits
bw_output_gate_bias	tenseur de valeurs flottantes 32 bits
bw_projection_weights	tenseur de tout type valeurs ou aucun type
bw_projection_bias	tenseur de tout type valeurs ou aucun type
fw_input_activation_state	tenseur avec état
fw_input_cell_state	tenseur avec état
bw_input_activation_state	tenseur avec état
bw_input_cell_state	tenseur avec état
aux_input	tenseur de tout type valeurs ou aucun type
fw_aux_input_to_input_weights	tenseur de tout type valeurs ou aucun type
fw_aux_input_to_forget_weights	tenseur de tout type valeurs ou aucun type
fw_aux_input_to_cell_weights	tenseur de tout type valeurs ou aucun type
fw_aux_input_to_output_weights	tenseur de tout type valeurs ou aucun type
bw_aux_input_to_input_weights	tenseur de tout type valeurs ou aucun type
bw_aux_input_to_forget_weights	tenseur de tout type valeurs ou aucun type
bw_aux_input_to_cell_weights	tenseur de tout type valeurs ou aucun type
bw_aux_input_to_output_weights	tenseur de tout type valeurs ou aucun type

Résultats:

Résultat	Description
fw_output	tenseur de valeurs de tout type
bw_output	tenseur de valeurs de tout type

tfl.bitcast (TFL::BitcastOp)

Opérateur Bitcast

Convertit un tenseur d'un type à un autre.

Traits : AlwaysSpeculatableImplTrait

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes:

Opérande	Description
input	tenseur de valeurs de tout type

Résultats:

Résultat	Description
output	tenseur de valeurs de tout type

tfl.bitwise_xor (TFL::BitwiseXorOp)

Opérateur Xor au niveau du bit

Elementwise calcule le XOR au niveau du bit de lhs et rhs .

Traits : AlwaysSpeculatableImplTrait , Commutative , ResultsBroadcastableShape , SameOperandsAndResultElementType

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes:

Opérande	Description
lhs	tenseur de valeurs d'entiers sans signe de 8 bits ou d'entiers non signés de 8 bits ou d'entiers sans signe de 16 bits ou d'entiers non signés de 16 bits ou d'entiers sans signe de 32 bits ou d'entiers non signés de 32 bits
rhs	tenseur de valeurs d'entiers sans signe de 8 bits ou d'entiers non signés de 8 bits ou d'entiers sans signe de 16 bits ou d'entiers non signés de 16 bits ou d'entiers sans signe de 32 bits ou d'entiers non signés de 32 bits

Résultats:

Résultat	Description
output	tenseur de valeurs d'entiers sans signe de 8 bits ou d'entiers non signés de 8 bits ou d'entiers sans signe de 16 bits ou d'entiers non signés de 16 bits ou d'entiers sans signe de 32 bits ou d'entiers non signés de 32 bits

tfl.broadcast_args (TFL::BroadcastArgsOp)

Renvoie la forme de s0 op s1 avec diffusion.

Étant donné s0 et s1 , des tenseurs qui représentent des formes, calculez r0 , la forme diffusée. s0 , s1 et r0 sont tous des vecteurs entiers.

Traits : AlwaysSpeculatableImplTrait

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes:

Opérande	Description
s0	tenseur de valeurs entières sans signe 32/64 bits
s1	tenseur de valeurs entières sans signe 32/64 bits

Résultats:

Résultat	Description
r0	tenseur de valeurs entières sans signe 32/64 bits

tfl.broadcast_to (TFL::BroadcastToOp)

Diffuser un tableau pour une forme compatible.

La diffusion consiste à créer des tableaux avec des formes compatibles pour les opérations arithmétiques. Deux formes sont compatibles si, pour chaque paire de dimensions, elles sont égales ou si l'une d'elles est égale à 1. Lorsqu'on tente de diffuser un tenseur vers une forme, on commence par les dimensions finales et on progresse.

Par exemple,

x = tf.constant([1, 2, 3]) y = tf.broadcast_to(x, [3, 3]) print(y) tf.Tensor( [[1 2 3] [1 2 3] [1 2 3]], shape=(3, 3), dtype=int32)

Dans l'exemple ci-dessus, le tenseur d'entrée avec la forme [1, 3] est diffusé vers le tenseur de sortie avec la forme [3, 3] .

Lors d'opérations diffusées telles que la multiplication d'un tenseur par un scalaire, la diffusion confère (généralement) un certain avantage en termes de temps ou d'espace, car le tenseur diffusé n'est jamais matérialisé.

Cependant, broadcast_to n'offre aucun de ces avantages. Le tenseur nouvellement créé occupe toute la mémoire de la forme diffusée. (Dans un contexte graphique, broadcast_to pourrait toutefois être fusionné avec une opération ultérieure, puis optimisé.)

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes:

Opérande	Description
input	tenseur de 32 bits à virgule flottante ou 32 bits entier sans signe ou 1 bit entier sans signe ou 4 bits entier sans signe ou 8 bits entier sans signe ou type QI8 ou 8 bits entier non signé ou 32 bits entier non signé ou type QUI8 ou 16 bits entier sans signe ou type QI16 ou 64 bits entier sans signe ou type complexe avec des valeurs d'éléments flottants de 32 bits
shape	tenseur de valeurs entières sans signe 32/64 bits

Résultats:

Résultat	Description
output	tenseur de 32 bits à virgule flottante ou 32 bits entier sans signe ou 1 bit entier sans signe ou 4 bits entier sans signe ou 8 bits entier sans signe ou type QI8 ou 8 bits entier non signé ou 32 bits entier non signé ou type QUI8 ou 16 bits entier sans signe ou type QI16 ou 64 bits entier sans signe ou type complexe avec des valeurs d'éléments flottants de 32 bits

tfl.bucketize (TFL::BucketizeOp)

Classifie les « entrées » en fonction des « limites ».

Exemple:

Si les entrées sont boundaries = [0, 10, 100] et input = [[-5, 10000][150, 10][5, 100]] , alors la sortie sera output = [[0, 3][3, 2][1, 3]] .

Traits : AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
boundaries	::mlir::ArrayAttr	Attribut de tableau flottant 32 bits

Opérandes:

Opérande	Description
input	tenseur de valeurs flottantes de 32 bits ou flottantes de 64 bits ou entières sans signe de 32 bits ou entières sans signe de 64 bits

Résultats:

Résultat	Description
output	tenseur de valeurs entières sans signe de 32 bits

tfl.call_once (TFL::CallOnceOp)

Appelle une fonction d'initialisation

Cette opération appelle la fonction d'initialisation donnée pour l'initialiseur de session dans le dialecte du modèle enregistré tf.

Interfaces : TflRuntimeVerifyOpInterface

Attributs :

Attribut	Type MLIR	Description
session_init_function	::mlir::StringAttr	attribut de chaîne

tfl.cast (TFL::CastOp)

Opérateur de casting

Convertit l'entrée du type d'entrée au type de sortie.

Traits : AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes:

Opérande

Description

input

tenseur de type float 16 bits ou bfloat16 ou float 32 bits ou float 64 bits ou entier sans signe 1 bit ou entier sans signe 4 bits ou entier sans signe 16 bits ou entier non signé 16 bits ou entier sans signe 32 bits ou entier non signé 32 bits ou entier sans signe 64 bits ou type TFLite quint8 ou entier non signé 8 bits ou entier sans signe 8 bits ou type complexe avec des valeurs d'éléments float 32 bits

Résultats:

Résultat

Description

output

tenseur de type float 16 bits ou bfloat16 ou float 32 bits ou float 64 bits ou entier sans signe 1 bit ou entier sans signe 4 bits ou entier sans signe 16 bits ou entier non signé 16 bits ou entier sans signe 32 bits ou entier non signé 32 bits ou entier sans signe 64 bits ou type TFLite quint8 ou entier non signé 8 bits ou entier sans signe 8 bits ou type complexe avec des valeurs d'éléments float 32 bits

tfl.ceil (TFL::CeilOp)

Opérateur de plafond

Renvoie la valeur de plafond élément par élément de l'entrée.

Traits : AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

Interfaces : ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes:

Opérande	Description
x	tenseur de valeurs flottantes 32 bits

Résultats:

Résultat	Description
y	tenseur de valeurs flottantes 32 bits

tfl.complex_abs (TFL::ComplexAbsOp)

Calcule la valeur absolue complexe d'un tenseur.

Étant donné un tenseur x de nombres complexes, cette opération renvoie un tenseur de type float ou double , qui est la valeur absolue de chaque élément de x . Tous les éléments de x doivent être des nombres complexes de la forme \(a + bj\). La valeur absolue est calculée comme \( \sqrt{a^2 + b^2}\).

Traits : AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes:

Opérande	Description
input	tenseur de type complexe avec des éléments flottants de 32 bits ou de type complexe avec des valeurs d'éléments flottants de 64 bits

Résultats:

Résultat	Description
output	tenseur de valeurs flottantes 32 bits ou 64 bits

tfl.concatenation (TFL::ConcatenationOp)

Opérateur de concaténation

Concatène les tenseurs selon une dimension

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
axis	::mlir::IntegerAttr	Attribut entier sans signe 32 bits
fused_activation_function	::mlir::StringAttr	attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT

Opérandes:

Opérande	Description
values	variadique de tenseurs de tout type de valeurs

Résultats:

Résultat	Description
output	tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 64 bits ou d'entiers sans signe de 32 bits ou d'entiers sans signe de 16 bits ou d'entiers sans signe de 8 bits ou de type QI8 ou de type QUI8 ou d'entiers non signés de 8 bits ou d'entiers non signés de 32 bits ou d'entiers sans signe de 1 bit

tfl.control_node (TFL::ControlNodeOp)

L'opération TFL.control_node encapsule les opérations à bloc unique afin d'attacher les bords de contrôle.

Ceci permet d'encapsuler des régions et d'y attacher des dépendances de contrôle. Généralement, cette opération intervient lors de l'une des dernières étapes précédant l'émission du modèle flatbuffer afin de permettre les optimisations reposant sur un ordre d'opérations fixe (comme la rematérialisation). L'exportateur flatbuffer désencapsule la région encapsulée et annote le modèle généré avec des métadonnées afin que toute réorganisation à l'exécution respecte l'ordre donné par les dépendances de contrôle.

Traits : HasParent<mlir::func::FuncOp> , RecursiveMemoryEffects , SingleBlockImplicitTerminator<YieldOp> , SingleBlock

Opérandes:

Opérande	Description
controlInputs	variadique de contrôle

Résultats:

Résultat	Description
outputs	variadique de tenseurs de tout type de valeurs
control	contrôle

tfl.conv_2d (TFL::Conv2DOp)

Opérateur de convolution

Effectue une opération de convolution sur les entrées.

Entrées : inputs[0] : obligatoire : le tenseur d'activation d'entrée inputs[1] : obligatoire : le tenseur de pondération du filtre inputs[2] : facultatif : le tenseur de biais

Traits : AlwaysSpeculatableImplTrait , QuantizableResult , TFL::AccumulatorUniformScale<2, 0, 1> , TFL::AffineOpCoefficient<0, 1>

Interfaces : AffineQuantizedOpInterface , ConditionallySpeculatable , DynamicRangeQuantizedOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , RequiresQuantizedBiasInterface , TFL_SparseOp , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
dilation_h_factor	::mlir::IntegerAttr	Attribut entier sans signe 32 bits
dilation_w_factor	::mlir::IntegerAttr	Attribut entier sans signe 32 bits
fused_activation_function	::mlir::StringAttr	attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT
padding	::mlir::StringAttr	attribut de chaîne dont la valeur est SAME ou VALID
stride_h	::mlir::IntegerAttr	Attribut entier sans signe 32 bits
stride_w	::mlir::IntegerAttr	Attribut entier sans signe 32 bits

Opérandes:

Opérande	Description
input	tenseur de valeurs de type float 32 bits ou QI8 ou QUI8 ou QI16
filter	tenseur de valeurs flottantes 32 bits ou de type QI4 ou de type QI8 ou de type QUI8
bias	tenseur de tout type valeurs ou aucun type

Résultats:

Résultat	Description
output	tenseur de valeurs de type float 32 bits ou QI8 ou QUI8 ou QI16

tfl.conv_3d (TFL::Conv3DOp)

Opérateur de convolution 3D

Effectue une opération de convolution sur des entrées 3D. Entrées : inputs[0] : obligatoire : le tenseur d'activation d'entrée inputs[1] : obligatoire : le tenseur de pondération du filtre ; inputs[2] : optionnel : le tenseur de biais.

Traits : AlwaysSpeculatableImplTrait , TFL::AccumulatorUniformScale<2, 0, 1>

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , RequiresQuantizedBiasInterface , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
dilation_d_factor	::mlir::IntegerAttr	Attribut entier sans signe 32 bits
dilation_h_factor	::mlir::IntegerAttr	Attribut entier sans signe 32 bits
dilation_w_factor	::mlir::IntegerAttr	Attribut entier sans signe 32 bits
fused_activation_function	::mlir::StringAttr	attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT
padding	::mlir::StringAttr	attribut de chaîne dont la valeur est SAME ou VALID
stride_d	::mlir::IntegerAttr	Attribut entier sans signe 32 bits
stride_h	::mlir::IntegerAttr	Attribut entier sans signe 32 bits
stride_w	::mlir::IntegerAttr	Attribut entier sans signe 32 bits

Opérandes:

Opérande	Description
input	tenseur de valeurs flottantes 32 bits
filter	tenseur de valeurs flottantes 32 bits
bias	tenseur de tout type valeurs ou aucun type

Résultats:

Résultat	Description
output	tenseur de valeurs flottantes 32 bits

tfl.conv_3d_transpose (TFL::Conv3DTransposeOp)

Opérateur 3D de convolution transposée

Effectue une opération de convolution transposée sur des entrées 3D. Entrées : inputs[0] : obligatoire : forme du tenseur de sortie inputs[1] : obligatoire : poids du filtre ; inputs[2] : obligatoire : activation d'entrée ; inputs[3] : option : biais.

Traits : AlwaysSpeculatableImplTrait , TFL::AccumulatorUniformScale<2, 0, 1>

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , RequiresQuantizedBiasInterface , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
dilation_d_factor	::mlir::IntegerAttr	Attribut entier sans signe 32 bits
dilation_h_factor	::mlir::IntegerAttr	Attribut entier sans signe 32 bits
dilation_w_factor	::mlir::IntegerAttr	Attribut entier sans signe 32 bits
fused_activation_function	::mlir::StringAttr	attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT
padding	::mlir::StringAttr	attribut de chaîne dont la valeur est SAME ou VALID
stride_d	::mlir::IntegerAttr	Attribut entier sans signe 32 bits
stride_h	::mlir::IntegerAttr	Attribut entier sans signe 32 bits
stride_w	::mlir::IntegerAttr	Attribut entier sans signe 32 bits

Opérandes:

Opérande	Description
output_shape	tenseur de valeurs entières sans signe de 32 bits
filter	tenseur de valeurs flottantes 32 bits
input	tenseur de valeurs flottantes 32 bits
bias	tenseur de tout type valeurs ou aucun type

Résultats:

Résultat	Description
output	tenseur de valeurs flottantes 32 bits

tfl.cos (TFL::CosOp)

Opérateur cosinus

Calcule le cosinus élément par élément de l'entrée

Traits : AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

Interfaces : ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes:

Opérande	Description
x	tenseur de valeurs flottantes 32 bits

Résultats:

Résultat	Description
y	tenseur de valeurs flottantes 32 bits

tfl.cumsum (TFL::CumsumOp)

Opérateur Cumsum

Calculer la somme cumulée du tenseur x le long de l'axe.

Traits : AlwaysSpeculatableImplTrait

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
exclusive	::mlir::BoolAttr	attribut booléen
reverse	::mlir::BoolAttr	attribut booléen

Opérandes:

Opérande	Description
input	tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 32 bits ou d'entiers sans signe de 64 bits
axis	tenseur de valeurs entières sans signe de 32 bits

Résultats:

Résultat	Description
output	tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 32 bits ou d'entiers sans signe de 64 bits

tfl.custom (TFL::CustomOp)

Opération personnalisée

Une opération générique pour toute opération personnalisée TFLite.

input : une liste d'entrées dans l'op d'origine. custom_code : une chaîne utilisée pour identifier exactement de quelle op il s'agit, qui correspond à operator_codes.custom_code dans le flatbuffer. custom_option : un support pour enregistrer les attributs de l'op sous forme d'octets. output : une liste de sorties dans l'op d'origine.

Interfaces : TflRuntimeVerifyOpInterface

Attributs :

Attribut	Type MLIR	Description
custom_code	::mlir::StringAttr	attribut de chaîne
custom_option	::mlir::TFL::ConstBytesAttr	Une représentation d'attribut de chaîne d'octets compilés

Opérandes:

Opérande	Description
input	variadique de tenseur de valeurs de tout type ou aucun type

Résultats:

Résultat	Description
output	variadique de tenseurs de tout type de valeurs

tfl.custom_tf (TFL::CustomTfOp)

Wrapper Op pour les opérations personnalisées TF.

Une opération wrapper autour de toute opération TF personnalisée. Cela inclut les opérations définies via custom_opdefs ou liées, mais non définies dans le dialecte TF. Cette opération enveloppe simplement l'opération personnalisée dans une région. Remarque 1 : cette opération n'inclut pas les opérations personnalisées TF Lite définies via CustomOp. Remarque 2 : cette opération est simplement une représentation interne au convertisseur et n'est pas exposée/exportée lors de l'exportation du modèle vers Flatbuffer.

Traits : IsolatedFromAbove , RecursiveMemoryEffects , SingleBlockImplicitTerminator<YieldOp> , SingleBlock

Interfaces : InferTypeOpInterface , TflRuntimeVerifyOpInterface

Opérandes:

Opérande	Description
input	variadique de tenseur de valeurs de tout type ou aucun type

Résultats:

Résultat	Description
output	variadique de tenseurs de tout type de valeurs

tfl.densify (TFL::DensifyOp)

Opérateur Densifier

Convertit un tenseur clairsemé en format dense.

Traits : AlwaysSpeculatableImplTrait

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes:

Opérande	Description
input	tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits

Résultats:

Résultat	Description
output	tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits

tfl.depth_to_space (TFL::DepthToSpaceOp)

Opérateur DepthToSpace

Réorganise les données de profondeur en blocs de données spatiales. Il s'agit de la transformation inverse de SpaceToDepth. Plus précisément, cette opération génère une copie du tenseur d'entrée où les valeurs de la dimension depth sont déplacées par blocs spatiaux vers les dimensions height et width . L'attribut block_size indique la taille du bloc d'entrée et le mode de déplacement des données.

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
block_size	::mlir::IntegerAttr	Attribut entier sans signe de 32 bits dont la valeur est positive

Opérandes:

Opérande	Description
input	tenseur de valeurs de type float 32 bits ou entier sans signe 8 bits ou entier sans signe 32 bits ou entier sans signe 64 bits ou TFLite quint8 ou entier non signé 8 bits ou type QI8 ou type QUI8

Résultats:

Résultat	Description
output	tenseur de valeurs de type float 32 bits ou entier sans signe 8 bits ou entier sans signe 32 bits ou entier sans signe 64 bits ou TFLite quint8 ou entier non signé 8 bits ou type QI8 ou type QUI8

tfl.depthwise_conv_2d (TFL::DepthwiseConv2DOp)

Opérateur de convolution séparable en profondeur

Effectue une opération de convolution sur les entrées.

Entrées : inputs[0] : obligatoire : le tenseur d'activation d'entrée inputs[1] : obligatoire : le tenseur de pondération du filtre inputs[2] : facultatif : le tenseur de biais

Traits : AlwaysSpeculatableImplTrait , QuantizableResult , TFL::AccumulatorUniformScale<2, 0, 1> , TFL::AffineOpCoefficient<3, 1>

Interfaces : AffineQuantizedOpInterface , ConditionallySpeculatable , DynamicRangeQuantizedOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , RequiresQuantizedBiasInterface , TFL_SparseOp , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
dilation_h_factor	::mlir::IntegerAttr	Attribut entier sans signe 32 bits
dilation_w_factor	::mlir::IntegerAttr	Attribut entier sans signe 32 bits
fused_activation_function	::mlir::StringAttr	attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT
padding	::mlir::StringAttr	attribut de chaîne dont la valeur est SAME ou VALID
stride_h	::mlir::IntegerAttr	Attribut entier sans signe 32 bits
stride_w	::mlir::IntegerAttr	Attribut entier sans signe 32 bits
depth_multiplier	::mlir::IntegerAttr	Attribut entier sans signe 32 bits

Opérandes:

Opérande	Description
input	tenseur de valeurs de type float 32 bits ou QI8 ou QUI8 ou QI16
filter	tenseur de valeurs flottantes 32 bits ou de type QI4 ou de type QI8 ou de type QUI8
bias	tenseur de tout type valeurs ou aucun type

Résultats:

Résultat	Description
output	tenseur de valeurs de type float 32 bits ou QI8 ou QUI8 ou QI16

tfl.dequantize (TFL::DequantizeOp)

Opérateur de déquantification

Convertit un tableau quantifié d'entiers en nombres à virgule flottante en fonction des paramètres de quantification.

Interfaces : NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes:

Opérande	Description
input	tenseur de type QI4 ou QI8 ou QUI8 ou QI16 ou valeurs flottantes 16 bits

Résultats:

Résultat	Description
output	tenseur de valeurs flottantes 32 bits

tfl.dilate (TFL::DilateOp)

Opérateur de dilatation

Étend un tenseur en ajoutant de nouveaux éléments entre ceux existants.

Traits : AlwaysSpeculatableImplTrait

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes:

Opérande	Description
input	tenseur de valeurs entières sans signe de 8 bits ou entières sans signe de 16 bits ou entières sans signe de 32 bits ou entières sans signe de 64 bits ou entières non signées de 8 bits ou entières non signées de 16 bits ou entières non signées de 32 bits ou entières non signées de 64 bits ou flottantes de 32 bits ou flottantes de 64 bits
dilations	tenseur de valeurs entières sans signe de 32 bits
padding_value	Tenseur 0D de toutes valeurs de type

Résultats:

Résultat	Description
output	tenseur de valeurs entières sans signe de 8 bits ou entières sans signe de 16 bits ou entières sans signe de 32 bits ou entières sans signe de 64 bits ou entières non signées de 8 bits ou entières non signées de 16 bits ou entières non signées de 32 bits ou entières non signées de 64 bits ou flottantes de 32 bits ou flottantes de 64 bits

tfl.div (TFL::DivOp)

Opérateur de division

Opération de division élément par élément.

Traits : ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult , ResultsBroadcastableShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
fused_activation_function	::mlir::StringAttr	attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT

Opérandes:

Opérande	Description
lhs	tenseur de valeurs de type float 32 bits ou de type entier sans signe 32 bits ou de type QUI8 ou de type QI8 ou de type QI16
rhs	tenseur de valeurs de type float 32 bits ou de type entier sans signe 32 bits ou de type QUI8 ou de type QI8 ou de type QI16

Résultats:

Résultat	Description
output	tenseur de valeurs de type float 32 bits ou de type entier sans signe 32 bits ou de type QUI8 ou de type QI8 ou de type QI16

tfl.dynamic_update_slice (TFL::DynamicUpdateSliceOp)

Tranche de mise à jour dynamique.

Opération DynamicUpdateSlice ayant la même sémantique que DynamicUpdateSlice de XLA. Génère un résultat correspondant à la valeur de l'opérande du tableau d'entrée, avec une mise à jour de tranche écrasée à start_indices.

Voir https://www.tensorflow.org/xla/operation_semantics#dynamicupdateslice

Traits : AlwaysSpeculatableImplTrait

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes:

Opérande	Description
operand	tenseur d'un entier sans signe de 1 bit ou d'un entier sans signe de 8 bits ou d'un entier sans signe de 16 bits ou d'un entier sans signe de 32 bits ou d'un entier sans signe de 64 bits ou de valeurs flottantes de 32 bits ou de valeurs flottantes de 16 bits
update	tenseur d'un entier sans signe de 1 bit ou d'un entier sans signe de 8 bits ou d'un entier sans signe de 16 bits ou d'un entier sans signe de 32 bits ou d'un entier sans signe de 64 bits ou de valeurs flottantes de 32 bits ou de valeurs flottantes de 16 bits
start_indices	tenseur de valeurs entières sans signe 32/64 bits

Résultats:

Résultat	Description
output	tenseur d'un entier sans signe de 1 bit ou d'un entier sans signe de 8 bits ou d'un entier sans signe de 16 bits ou d'un entier sans signe de 32 bits ou d'un entier sans signe de 64 bits ou de valeurs flottantes de 32 bits ou de valeurs flottantes de 16 bits

tfl.elu (TFL::EluOp)

Opérateur d'unité linéaire exponentielle

Calcule le linéaire exponentiel f(x) -> exp(x) - 1 pour x < 0, x pour x >= 0. par élément.

Traits : AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
x	tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits

Résultats:

Résultat	Description
y	tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits

tfl.embedding_lookup (TFL::EmbeddingLookupOp)

Opérateur de recherche d'intégration

Recherche les identifiants dans une liste de tenseurs d'intégration.

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : AffineQuantizedOpInterface , ConditionallySpeculatable , DynamicRangeQuantizedOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
lookup	tenseur de valeurs entières sans signe de 32 bits
value	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 8 bits ou d'entier non signé de 8 bits ou de type QI8 ou de type QUI8 ou de valeurs de type QI4

Résultats:

Résultat	Description
output	tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits ou de valeurs entières non signées de 8 bits

tfl.equal (TFL :: EqualOp)

Opérateur égal

Renvoie l'élément de vérité de x == y élément par élément

Traits : ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , Commutative , QuantizableResult , ResultsBroadcastableShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
x	tenseur d'un entier sans signe de 1 bit ou d'un flottant de 32 bits ou d'un entier sans signe de 16 bits ou d'un entier sans signe de 32 bits ou d'un entier sans signe de 64 bits ou de type QI8 ou de type QUI8 ou de type QI16 ou d'entier non signé de 8 bits ou de valeurs de type chaîne TFLite
y	tenseur d'un entier sans signe de 1 bit ou d'un flottant de 32 bits ou d'un entier sans signe de 16 bits ou d'un entier sans signe de 32 bits ou d'un entier sans signe de 64 bits ou de type QI8 ou de type QUI8 ou de type QI16 ou d'entier non signé de 8 bits ou de valeurs de type chaîne TFLite

Résultats:

Résultat	Description
output	tenseur de valeurs entières sans signe de 1 bit

tfl.exp (TFL::ExpOp)

Opérateur d'exponentiation naturelle

Effectue une opération d’exponentiation naturelle par élément en entrée.

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
x	tenseur de valeurs de type float ou QI8 ou QI16 de 32 bits

Résultats:

Résultat	Description
y	tenseur de valeurs de type float ou QI8 ou QI16 de 32 bits

tfl.expand_dims (TFL :: ExpandDimsOp)

Insère une dimension de 1 dans la forme d'un tenseur.

Étant donné un tenseur input , cette opération insère une dimension de 1 sur l' axis d'index de dimension de la forme de input . L' axis d'index de dimension commence à zéro ; si vous spécifiez un nombre négatif pour axis , il est compté à rebours à partir de la fin.

Cette opération est utile si vous souhaitez ajouter une dimension de lot à un seul élément. Par exemple, si vous avez une seule image de forme [height, width, channels] , vous pouvez en faire un lot de 1 image avec expand_dims(image, 0) , ce qui créera la forme [1, height, width, channels] .

Autres exemples :

# 't' is a tensor of shape [2]
shape(expand_dims(t, 0)) ==> [1, 2]
shape(expand_dims(t, 1)) ==> [2, 1]
shape(expand_dims(t, -1)) ==> [2, 1]

# 't2' is a tensor of shape [2, 3, 5]
shape(expand_dims(t2, 0)) ==> [1, 2, 3, 5]
shape(expand_dims(t2, 2)) ==> [2, 3, 1, 5]
shape(expand_dims(t2, 3)) ==> [2, 3, 5, 1]

Cette opération nécessite que :

-1-input.dims() <= dim <= input.dims()

Cette opération est liée à squeeze() , qui supprime les dimensions de taille 1.

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
input	tenseur de tout type de valeurs
dim	tenseur de valeurs entières sans signe 32/64 bits

Résultats:

Résultat	Description
output	tenseur de tout type de valeurs

tfl.external_const (TFL::ExternalConstOp)

Op. const externe.

L'opération const externe contient un buffer_index qui pointe vers une constante dans le flatbuffer.

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
buffer_index	::mlir::IntegerAttr	Attribut entier sans signe de 32 bits

Résultats:

Résultat	Description
output	tenseur de tout type de valeurs

tfl.fake_quant (TFL::FakeQuantOp)

Opérateur FakeQuant

Fausse quantifier le tenseur « entrées » de type float via les scalaires float min et max en tenseur « sorties » de même forme que les entrées.

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
min	::mlir::FloatAttr	Attribut float 32 bits
max	::mlir::FloatAttr	Attribut float 32 bits
num_bits	::mlir::IntegerAttr	Attribut entier sans signe de 32 bits dont la valeur minimale est 2 dont la valeur maximale est 16
narrow_range	::mlir::BoolAttr	attribut booléen dont la valeur est fausse

Opérandes :

Opérande	Description
input	tenseur de valeurs flottantes 32 bits

Résultats:

Résultat	Description
output	tenseur de valeurs flottantes 32 bits

tfl.fill (TFL::FillOp)

Remplissez le tenseur avec la valeur donnée.

Remplissez le tenseur avec la valeur donnée.

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
dims	tenseur de valeurs entières sans signe 32/64 bits
input	tenseur de valeurs flottantes de 32 bits ou flottantes de 16 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou d'entier sans signe de 1 bit ou de type QI8 ou de type QI16 ou de valeurs de type chaîne TFLite

Résultats:

Résultat	Description
result	tenseur de valeurs flottantes de 32 bits ou flottantes de 16 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou d'entier sans signe de 1 bit ou de type QI8 ou de type QI16 ou de valeurs de type chaîne TFLite

tfl.floor (TFL::FloorOp)

Opérateur d'étage

Renvoie la valeur plancher par élément de l’entrée.

Traits : AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

Interfaces : ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
x	tenseur de valeurs flottantes 32 bits

Résultats:

Résultat	Description
y	tenseur de valeurs flottantes 32 bits

tfl.floor_div (TFL::FloorDivOp)

Opérateur de division d'étage

Opération de division au sol par élément.

Traits : ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
lhs	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 8 bits ou d'entier sans signe de 16 bits ou de valeurs entières sans signe de 32 bits
rhs	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 8 bits ou d'entier sans signe de 16 bits ou de valeurs entières sans signe de 32 bits

Résultats:

Résultat	Description
output	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 8 bits ou d'entier sans signe de 16 bits ou de valeurs entières sans signe de 32 bits

tfl.floor_mod (TFL::FloorModOp)

Rappel de division

Opération de rappel de division par élément.

Traits : ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
lhs	tenseur d'un entier sans signe de 8 bits ou d'un entier sans signe de 16 bits ou d'un entier sans signe de 32 bits ou d'un entier sans signe de 64 bits ou de valeurs flottantes de 32 bits
rhs	tenseur d'un entier sans signe de 8 bits ou d'un entier sans signe de 16 bits ou d'un entier sans signe de 32 bits ou d'un entier sans signe de 64 bits ou de valeurs flottantes de 32 bits

Résultats:

Résultat	Description
output	tenseur d'un entier sans signe de 8 bits ou d'un entier sans signe de 16 bits ou d'un entier sans signe de 32 bits ou d'un entier sans signe de 64 bits ou de valeurs flottantes de 32 bits

tfl.fully_connected (TFL::FullyConnectedOp)

Opération entièrement connectée

Traits : AlwaysSpeculatableImplTrait , QuantizableResult , TFL::AccumulatorUniformScale<2, 0, 1> , TFL::AffineOpCoefficient<0, 1>

Interfaces : AffineQuantizedOpInterface , ConditionallySpeculatable , DynamicRangeQuantizedOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , RequiresQuantizedBiasInterface , TFL_SparseOp , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
fused_activation_function	::mlir::StringAttr	attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT
weights_format	::mlir::StringAttr	attribut de chaîne dont la valeur est DEFAULT ou SHUFFLED4x16INT8
keep_num_dims	::mlir::BoolAttr	attribut booléen
asymmetric_quantize_inputs	::mlir::BoolAttr	attribut booléen

Opérandes :

Opérande	Description
input	tenseur de valeurs flottantes 32 bits ou de type QI8 ou de type QUI8 ou de type QI16 ou de type QUI16
filter	tenseur de valeurs flottantes 32 bits ou de type QI4 ou de type QI8 ou de type QUI8 ou de type QI16
bias	tenseur de n'importe quel type de valeurs ou aucun type

Résultats:

Résultat	Description
output	variadique de valeurs de tenseur de tout type

tfl.gather (TFL::GatherOp)

Opérateur de collecte

Rassemblez les tranches de axis des params en fonction indices .

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , DynamicRangeQuantizedOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
axis	::mlir::IntegerAttr	Attribut entier sans signe de 32 bits
batch_dims	::mlir::IntegerAttr	Attribut entier sans signe de 32 bits

Opérandes :

Opérande	Description
params	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 1 bit ou d'entier sans signe de 4 bits ou d'entier sans signe de 8 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou de type chaîne TFLite ou d'entier non signé de 8 bits ou de type QI8 ou de type QUI8 ou de valeurs de type QI16
indices	tenseur de valeurs entières sans signe de 16 bits ou d'entiers sans signe de 32 bits ou de valeurs entières sans signe de 64 bits

Résultats:

Résultat	Description
output	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 1 bit ou d'entier sans signe de 4 bits ou d'entier sans signe de 8 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou de type chaîne TFLite ou d'entier non signé de 8 bits ou de type QI8 ou de type QUI8 ou de valeurs de type QI16

tfl.gather_nd (TFL::GatherNdOp)

_Gather et opérateur

Rassemblez les tranches des params dans un Tensor avec une forme spécifiée par indices .

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
params	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 1 bit ou d'entier sans signe de 8 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 64 bits ou d'entier sans signe de 32 bits ou d'entier non signé de 8 bits ou de valeurs de type QI8 ou de type chaîne TFLite
indices	tenseur de valeurs entières sans signe de 16 bits ou d'entiers sans signe de 32 bits ou de valeurs entières sans signe de 64 bits

Résultats:

Résultat	Description
output	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 1 bit ou d'entier sans signe de 8 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 64 bits ou d'entier sans signe de 32 bits ou d'entier non signé de 8 bits ou de valeurs de type QI8 ou de type chaîne TFLite

tfl.gelu (TFL::GeluOp)

Fonction d'activation GELU.

Calcule la fonction d'activation GELU par élément.

Traits : AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
approximate	::mlir::BoolAttr	attribut booléen

Opérandes :

Opérande	Description
input	tenseur de valeurs de type float ou QI8 32 bits ou de type QUI8

Résultats:

Résultat	Description
output	tenseur de valeurs de type float ou QI8 32 bits ou de type QUI8

tfl.greater (TFL::GreaterOp)

Un plus grand opérateur

Fonctionnement plus efficace au niveau des éléments.

Traits : ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult , ResultsBroadcastableShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
lhs	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou de type QUI8 ou de type QI8 ou de valeurs de type TFLite quint8
rhs	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou de type QUI8 ou de type QI8 ou de valeurs de type TFLite quint8

Résultats:

Résultat	Description
output	tenseur de valeurs entières sans signe de 1 bit

tfl.greater_equal (TFL::GreaterEqualOp)

_Plus grand opérateur égal

Opération Greater_equal par élément.

Traits : ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult , ResultsBroadcastableShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
lhs	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou de valeurs de type QUI8 ou de type QI8
rhs	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou de valeurs de type QUI8 ou de type QI8

Résultats:

Résultat	Description
output	tenseur de valeurs entières sans signe de 1 bit

tfl.hard_swish (TFL::HardSwishOp)

Fonction d'activation Hardswish.

Calcule la fonction d'activation hard-swish f(x) -> (x * relu6(x+3))/6 par élément.

Traits : AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
input	tenseur de valeurs flottantes 32 bits ou de type QUI8 ou de type QI8

Résultats:

Résultat	Description
output	tenseur de valeurs flottantes 32 bits ou de type QUI8 ou de type QI8

tfl.hashtable (TFL::HashtableOp)

Crée une table de hachage non initialisée.

Cette opération crée une table de hachage, spécifiant le type de ses clés et valeurs. Avant d'utiliser la table, vous devrez l'initialiser. Après initialisation, la table sera immuable.

Interfaces : TflRuntimeVerifyOpInterface

Attributs :

Attribut	Type MLIR	Description
table_id	::mlir::IntegerAttr	Attribut entier sans signe de 32 bits
key_dtype	::mlir::TypeAttr	n'importe quel attribut de type
value_dtype	::mlir::TypeAttr	n'importe quel attribut de type

Résultats:

Résultat	Description
out	tenseur des valeurs des ressources

tfl.hashtable_find (TFL :: HashtableFindOp)

Recherche les clés dans un tableau, affiche les valeurs correspondantes.

Les keys tensorielles doivent être du même type que les clés de la table. Les values de sortie sont du type des valeurs du tableau.

La valeur scalaire default_value est la valeur de sortie pour les clés non présentes dans la table. Il doit également être du même type que les valeurs du tableau.

Interfaces : TflRuntimeVerifyOpInterface

Opérandes :

Opérande	Description
hash_table	tenseur des valeurs des ressources
keys	tenseur d'entier sans signe de 32 bits ou de type chaîne TFLite ou de valeurs entières sans signe de 64 bits
default_value	tenseur de 32 bits flottants ou d'entiers sans signe de 32 bits ou de type chaîne TFLite ou de valeurs entières sans signe de 64 bits

Résultats:

Résultat	Description
out	tenseur de 32 bits flottants ou d'entiers sans signe de 32 bits ou de type chaîne TFLite ou de valeurs entières sans signe de 64 bits

tfl.hashtable_import (TFL :: HashtableImportOp)

Remplace le contenu de la table par les clés et valeurs spécifiées.

Les keys tensorielles doivent être du même type que les clés de la table. Les values du tenseur doivent être du type des valeurs du tableau.

Interfaces : TflRuntimeVerifyOpInterface

Opérandes :

Opérande	Description
hash_table	tenseur des valeurs des ressources
keys	tenseur d'entier sans signe de 32 bits ou de type chaîne TFLite ou de valeurs entières sans signe de 64 bits
values	tenseur de 32 bits flottants ou d'entiers sans signe de 32 bits ou de type chaîne TFLite ou de valeurs entières sans signe de 64 bits

tfl.hashtable_size (TFL::HashtableSizeOp)

Calcule le nombre d'éléments dans la table donnée.

Interfaces : TflRuntimeVerifyOpInterface

Opérandes :

Opérande	Description
hash_table	tenseur des valeurs des ressources

Résultats:

Résultat	Description
out	tenseur de valeurs entières sans signe de 64 bits

tfl.if (TFL::IfOp)

Opération si-alors-sinon

L'opération tfl.if représente une construction if-then-else pour l'exécution conditionnelle de deux régions de code. L'opérande d'une opération if est une valeur booléenne. Par exemple :

tfl.if %b  {
  ...
} else {
  ...
}

tfl.if peut également renvoyer des résultats définis dans ses régions. Les valeurs définies sont déterminées par le chemin d'exécution emprunté.

Exemple:

%x, %y = tfl.if %b -> (tensor<f32>, tensor<f32>) {
  %x_true = ...
  %y_true = ...
  tfl.yield %x_true, %y_true : tensor<f32>, tensor<f32>
} else {
  %x_false = ...
  %y_false = ...
  tfl.yield %x_false, %y_false : tensor<f32>, tensor<f32>
}

Les régions tfl.if se terminent toujours par "tfl.yield". Si "tfl.if" ne définit aucune valeur, "tfl.yield" peut être laissé de côté et sera inséré implicitement. Sinon, il faut que ce soit explicite. De plus, si « tfl.if » définit une ou plusieurs valeurs, le bloc « else » ne peut pas être omis.

Exemple:

tfl.if %b  {
  ...
}

Traits : NoRegionArguments , RecursiveMemoryEffects , SingleBlockImplicitTerminator<YieldOp> , SingleBlock

Interfaces : RegionBranchOpInterface , TflRuntimeVerifyOpInterface

Opérandes :

Opérande	Description
cond	tenseur de valeurs entières sans signe de 1 bit

Résultats:

Résultat	Description
results	variadique de valeurs de tenseur de tout type

tfl.imag (TFL::ImagOp)

Renvoie la partie imaginaire d'un nombre complexe.

Étant donné une input tensorielle de nombres complexes, cette opération renvoie un tenseur de type float qui est la partie imaginaire de chaque élément de input . Tous les éléments en input doivent être des nombres complexes de la forme \(a + bj\), où a est la partie réelle et b est la partie imaginaire renvoyée par cette opération.

Traits : AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
input	tenseur de type complexe avec des éléments flottants de 32 bits ou de type complexe avec des valeurs d'éléments flottants de 64 bits

Résultats:

Résultat	Description
output	tenseur de valeurs flottantes 32 bits ou 64 bits

tfl.l2_normalization (TFL :: L2NormalizationOp)

Opérateur de normalisation L2

Opération de normalisation L2

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , FixedOutputRangeInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
fused_activation_function	::mlir::StringAttr	attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT

Opérandes :

Opérande	Description
input	tenseur de type flottant 32 bits ou de type QUI8 ou de type QI8 ou de type QUI16 ou de type QI16 ou de valeurs entières sans signe de 8 bits

Résultats:

Résultat	Description
output	tenseur de type flottant 32 bits ou de type QUI8 ou de type QI8 ou de type QUI16 ou de type QI16 ou de valeurs entières sans signe de 8 bits

tfl.leaky_relu (TFL::LeakyReluOp)

Opérateur Leaky Relu

Opérateur Leaky ReLU par élément x -> x >= 0 ? x : (alpha * x)

Traits : AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
alpha	::mlir::FloatAttr	Attribut float 32 bits

Opérandes :

Opérande	Description
input	tenseur de 32 bits float ou de type QUI8 ou de type QI8 ou de type TFLite quint8 ou de valeurs de type QI16

Résultats:

Résultat	Description
output	tenseur de 32 bits float ou de type QUI8 ou de type QI8 ou de type TFLite quint8 ou de valeurs de type QI16

tfl.less (TFL::LessOp)

Moins d'opérateur

Moins de fonctionnement au niveau des éléments.

Traits : ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult , ResultsBroadcastableShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
lhs	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou de valeurs de type QUI8 ou de type QI8 ou de type TFLite quint8
rhs	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou de valeurs de type QUI8 ou de type QI8 ou de type TFLite quint8

Résultats:

Résultat	Description
output	tenseur de valeurs entières sans signe de 1 bit

tfl.less_equal (TFL :: LessEqualOp)

_Moins d'opérateur égal

Opération less_equal par élément.

Traits : ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult , ResultsBroadcastableShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
lhs	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou de valeurs de type QI8 ou de type QUI8
rhs	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou de valeurs de type QI8 ou de type QUI8

Résultats:

Résultat	Description
output	tenseur de valeurs entières sans signe de 1 bit

tfl.local_response_normalization (TFL :: LocalResponseNormalizationOp)

Normalisation de la réponse locale.

Le tenseur input 4D est traité comme un tableau 3D de vecteurs 1D (le long de la dernière dimension) et chaque vecteur est normalisé indépendamment. Dans un vecteur donné, chaque composant est divisé par la somme carrée pondérée des entrées dans depth_radius . En détail,

sqr_sum[a, b, c, d] =
    sum(input[a, b, c, d - depth_radius : d + depth_radius + 1] ** 2)
output = input / (bias + alpha * sqr_sum) ** beta

Pour plus de détails, voir Krizhevsky et al., Classification ImageNet avec réseaux de neurones convolutifs profonds (NIPS 2012) .

Traits : AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

Interfaces : ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
radius	::mlir::IntegerAttr	Attribut entier sans signe de 32 bits
bias	::mlir::FloatAttr	Attribut float 32 bits
alpha	::mlir::FloatAttr	Attribut float 32 bits
beta	::mlir::FloatAttr	Attribut float 32 bits

Opérandes :

Opérande	Description
input	tenseur de valeurs flottantes 32 bits

Résultats:

Résultat	Description
output	tenseur de valeurs flottantes 32 bits

tfl.log (TFL :: LogOp)

Opérateur de logarithme naturel

Effectue une opération de logarithme népérien par élément en entrée.

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
x	tenseur de valeurs de type float ou QI8 32 bits

Résultats:

Résultat	Description
y	tenseur de valeurs de type float ou QI8 32 bits

tfl.log_softmax (TFL :: LogSoftmaxOp)

Journaliser l'opérateur softmax

Calcule les activations softmax du journal par élément avec la formule suivante

entrée - log(reduce_sum(exp(input), dim))

Traits : AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces : ConditionallySpeculatable , FixedOutputRangeInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
input	tenseur de valeurs de type float ou QUI8 32 bits ou de type QI8 ou TFLite quint8

Résultats:

Résultat	Description
output	tenseur de valeurs de type float ou QUI8 32 bits ou de type QI8 ou TFLite quint8

tfl.logical_and (TFL :: LogicalAndOp)

Opérateur ET logique

Opération logique ET par élément.

Traits : AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
lhs	tenseur de valeurs entières sans signe de 1 bit
rhs	tenseur de valeurs entières sans signe de 1 bit

Résultats:

Résultat	Description
output	tenseur de valeurs entières sans signe de 1 bit

tfl.logical_not (TFL :: LogicalNotOp)

Opérateur NON logique

Opération NON logique par élément.

Traits : AlwaysSpeculatableImplTrait , SameOperandsAndResultType

Interfaces : ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
lhs	tenseur de valeurs entières sans signe de 1 bit

Résultats:

Résultat	Description
output	tenseur de valeurs entières sans signe de 1 bit

tfl.logical_or (TFL :: LogicalOrOp)

Opérateur OU logique

Opération OU logique par élément.

Traits : AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
lhs	tenseur de valeurs entières sans signe de 1 bit
rhs	tenseur de valeurs entières sans signe de 1 bit

Résultats:

Résultat	Description
output	tenseur de valeurs entières sans signe de 1 bit

tfl.logistic (TFL::LogisticOp)

Opérateur logistique

Calcule le sigmoïde d'entrée par élément

Traits : AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces : ConditionallySpeculatable , FixedOutputRangeInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
x	tenseur de 32 bits float ou type QI8 ou type QUI8 ou type QI16 ou valeurs de type TFLite quint8

Résultats:

Résultat	Description
y	tenseur de 32 bits float ou type QI8 ou type QUI8 ou type QI16 ou valeurs de type TFLite quint8

tfl.lstm (TFL::LSTMOp)

L'opérateur lstm complet

Couche réseau récurrente d'unité de mémoire à long terme (LSTM). L'implémentation par défaut sans judas est basée sur : http://deeplearning.cs.cmu.edu/pdfs/Hochreiter97_lstm.pdf S. Hochreiter et J. Schmidhuber. « Mémoire à long terme et à court terme ». Neural Computation, 9(8):1735-1780, 1997. L'implémentation du judas est basée sur : https://research.google.com/pubs/archive/43905.pdf Hasim Sak, Andrew Senior et Françoise Beaufays. «Architectures de réseaux neuronaux récurrents à mémoire longue et à court terme pour la modélisation acoustique à grande échelle.» INTERSPEECH, 2014. Le couplage des portes d'entrée et d'oubli (CIFG) est basé sur : http://arxiv.org/pdf/1503.04069.pdf Greff et al. « LSTM : A Search Space Odyssey » La normalisation des couches est basée sur : https://arxiv.org/pdf/1607.06450.pdf Ba et al. 'Normalisation des couches'

Traits : QuantizableResult

Interfaces : DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

Attributs :

Attribut	Type MLIR	Description
fused_activation_function	::mlir::StringAttr	attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT
cell_clip	::mlir::FloatAttr	Attribut float 32 bits dont la valeur est non négative
proj_clip	::mlir::FloatAttr	Attribut float 32 bits dont la valeur est non négative
kernel_type	::mlir::TFL::LSTMKernelTypeAttr	lstm_kernel_type dont la valeur est mlir::TFL::LSTMKernelType::FULL
asymmetric_quantize_inputs	::mlir::BoolAttr	attribut booléen
input_to_input_intermediate	::mlir::TypeAttr	n'importe quel attribut de type
input_to_forget_intermediate	::mlir::TypeAttr	n'importe quel attribut de type
input_to_cell_intermediate	::mlir::TypeAttr	n'importe quel attribut de type
input_to_output_intermediate	::mlir::TypeAttr	n'importe quel attribut de type
effective_hidden_scale_intermediate	::mlir::TypeAttr	n'importe quel attribut de type

Opérandes :

Opérande	Description
input	tenseur de valeurs de type float ou QI8 ou QI16 de 32 bits
input_to_input_weights	tenseur de n'importe quel type de valeurs ou aucun type
input_to_forget_weights	tenseur de valeurs de type float ou QI8 32 bits
input_to_cell_weights	tenseur de valeurs de type float ou QI8 32 bits
input_to_output_weights	tenseur de valeurs de type float ou QI8 32 bits
recurrent_to_input_weights	tenseur de n'importe quel type de valeurs ou aucun type
recurrent_to_forget_weights	tenseur de valeurs de type float ou QI8 32 bits
recurrent_to_cell_weights	tenseur de valeurs de type float ou QI8 32 bits
recurrent_to_output_weights	tenseur de valeurs de type float ou QI8 32 bits
cell_to_input_weights	tenseur de n'importe quel type de valeurs ou aucun type
cell_to_forget_weights	tenseur de n'importe quel type de valeurs ou aucun type
cell_to_output_weights	tenseur de n'importe quel type de valeurs ou aucun type
input_gate_bias	tenseur de n'importe quel type de valeurs ou aucun type
forget_gate_bias	tenseur de valeurs de type float ou QI32 32 bits
cell_bias	tenseur de valeurs de type float ou QI32 32 bits
output_gate_bias	tenseur de valeurs de type float ou QI32 32 bits
projection_weights	tenseur de n'importe quel type de valeurs ou aucun type
projection_bias	tenseur de n'importe quel type de valeurs ou aucun type
input_activation_state	tenseur avec état
input_cell_state	tenseur avec état
input_layer_norm_coefficients	tenseur de n'importe quel type de valeurs ou aucun type
forget_layer_norm_coefficients	tenseur de n'importe quel type de valeurs ou aucun type
cell_layer_norm_coefficients	tenseur de n'importe quel type de valeurs ou aucun type
output_layer_norm_coefficients	tenseur de n'importe quel type de valeurs ou aucun type

Résultats:

Résultat	Description
output	tenseur de tout type de valeurs

tfl.matrix_diag (TFL::MatrixDiagOp)

Renvoie un tenseur avec la diagonale fournie et tout le reste complété par des zéros.

Étant donné une diagonale, renvoie un tenseur avec la diagonale et tout le reste complété par des zéros. Supposons que la diagonale a k dimensions [I, J, K, ..., N] , alors la sortie est un tenseur de rang k+1 avec des dimensions [I, J, K, ..., N, N] où : output[i, j, k, ..., m, n] = 1{m=n} * diagonal[i, j, k, ..., n].

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
diagonal	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 8 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou d'entier non signé de 8 bits ou de type QUI8 ou de type QI8 ou de valeurs de type TFLite quint8

Résultats:

Résultat	Description
output	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 8 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou d'entier non signé de 8 bits ou de type QUI8 ou de type QI8 ou de valeurs de type TFLite quint8

tfl.matrix_set_diag (TFL::MatrixSetDiagOp)

Renvoie un tenseur matriciel par lots avec de nouvelles valeurs diagonales par lots.

Étant donné input et diagonal , cette opération renvoie un tenseur avec la même forme et les mêmes valeurs que input , à l'exception de la diagonale principale des matrices les plus internes. Celles-ci seront écrasées par les valeurs en diagonal .

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
input	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 8 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou d'entier non signé de 8 bits ou de type QI8 ou de type QI16 ou de type QUI8 ou de valeurs de type TFLite quint8
diagonal	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 8 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou d'entier non signé de 8 bits ou de type QI8 ou de type QI16 ou de type QUI8 ou de valeurs de type TFLite quint8

Résultats:

Résultat	Description
result	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 8 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou d'entier non signé de 8 bits ou de type QI8 ou de type QI16 ou de type QUI8 ou de valeurs de type TFLite quint8

tfl.max_pool_2d (TFL::MaxPool2DOp)

Opération Max Pool 2D

Effectue un pool maximum 2D en entrée.

Entrées : inputs[0] : obligatoire : le tenseur d'entrée

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
padding	::mlir::StringAttr	attribut de chaîne dont la valeur est SAME ou VALID
stride_w	::mlir::IntegerAttr	Attribut entier sans signe de 32 bits
stride_h	::mlir::IntegerAttr	Attribut entier sans signe de 32 bits
filter_width	::mlir::IntegerAttr	Attribut entier sans signe de 32 bits
filter_height	::mlir::IntegerAttr	Attribut entier sans signe de 32 bits
fused_activation_function	::mlir::StringAttr	attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT

Opérandes :

Opérande	Description
input	tenseur de 32 bits float ou de type QUI8 ou de type QI8 ou de type QI16 ou de valeurs de type TFLite quint8

Résultats:

Résultat	Description
output	tenseur de 32 bits float ou de type QUI8 ou de type QI8 ou de type QI16 ou de valeurs de type TFLite quint8

tfl.maximum (TFL::MaximumOp)

Opérateur maximum

Opération maximale par élément.

Traits : ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , Commutative , QuantizableResult , ResultsBroadcastableShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
lhs	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 32/64 bits ou de type QI8 ou de type QUI8 ou de valeurs de type QI16
rhs	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 32/64 bits ou de type QI8 ou de type QUI8 ou de valeurs de type QI16

Résultats:

Résultat	Description
max	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 32/64 bits ou de type QI8 ou de type QUI8 ou de valeurs de type QI16

tfl.mean (TFL::MeanOp)

Opérateur moyen

Calcule la moyenne des éléments sur les dimensions d'un tenseur. Réduit input_tensor le long des dimensions données dans l'axe. Sauf si keepdims est vrai, le rang du tenseur est réduit de 1 pour chaque entrée dans l'axe. Si keepdims est vrai, les dimensions réduites sont conservées avec une longueur de 1.

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut	Type MLIR	Description
keep_dims	::mlir::BoolAttr	attribut booléen

Opérandes :

Opérande	Description
input	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou de type QI8 ou de type QUI8 ou d'entier non signé de 8 bits ou de valeurs de type QI16
axis	tenseur de valeurs entières sans signe de 32 bits

Résultats:

Résultat	Description
output	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou de type QI8 ou de type QUI8 ou d'entier non signé de 8 bits ou de valeurs de type QI16

tfl.minimum (TFL::MinimumOp)

Opérateur minimum

Opération minimale par élément.

Traits : ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , Commutative , QuantizableResult , ResultsBroadcastableShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande	Description
lhs	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 32/64 bits ou de type QI8 ou de type QUI8 ou de valeurs de type QI16
rhs	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 32/64 bits ou de type QI8 ou de type QUI8 ou de valeurs de type QI16

Résultats:

Résultat	Description
min	tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 32/64 bits ou de type QI8 ou de type QUI8 ou de valeurs de type QI16

tfl.mirror_pad (TFL::MirrorPadOp)

Opérateur MirrorPad. Remplit un tenseur avec des valeurs en miroir.

Cette opération remplit une entrée avec des valeurs en miroir en fonction des remplissages que vous spécifiez. paddings is an integer tensor with shape [n, 2], where n is the rank of input. For each dimension D of input, paddings[D, 0] indicates how many values to add before the contents of input in that dimension, and paddings[D, 1] indicates how many values to add after the contents of input in that dimension.

Both paddings[D, 0] and paddings[D, 1] must be no greater than input.dim_size(D) (or input.dim_size(D) - 1) if copy_border is true (if false, respectively).

The padded size of each dimension D of the output is:

paddings(D, 0) + input.dim_size(D) + paddings(D, 1)

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
mode	::mlir::TFL::MirrorPaddingTypeAttr	mirror_pad_enum

Operands:

Opérande	Description
input	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or QI16 type values
pad	tensor of 32-bit signless integer or 64-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or QI16 type values

tfl.mul (TFL::MulOp)

Opérateur de multiplication

Element-wise multiplication operation.

Traits: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , Commutative , QuantizableResult , ResultsBroadcastableShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
fused_activation_function	::mlir::StringAttr	string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT

Operands:

Opérande	Description
lhs	tensor of 32-bit float or 32-bit signless integer or 32-bit unsigned integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or 16-bit signless integer or complex type with 32-bit float elements values
rhs	tensor of 32-bit float or 32-bit signless integer or 32-bit unsigned integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or 16-bit signless integer or complex type with 32-bit float elements values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 32-bit signless integer or 32-bit unsigned integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or 16-bit signless integer or complex type with 32-bit float elements values

tfl.multinomial (TFL::MultinomialOp)

Draws samples from a categorical distribution.

The generated values will have a categorical distribution based on the logits or unnormalized log-probabilities provided for all classes.

Interfaces: TflRuntimeVerifyOpInterface

Attributs :

Attribut	MLIR Type	Description
seed	::mlir::IntegerAttr	64-bit signless integer attribute
seed2	::mlir::IntegerAttr	64-bit signless integer attribute

Operands:

Opérande	Description
logits	tensor of 32-bit float values
num_samples	tensor of 32-bit signless integer values

Résultats:

Résultat	Description
out	tensor of 32-bit signless integer or 64-bit signless integer values

tfl.neg (TFL::NegOp)

Negation operator

Computes element-wise negation of input

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
x	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer values

Résultats:

Résultat	Description
y	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer values

tfl.no_value (TFL::NoValueOp)

Constant representing no value.

No value constant op.

Traits: AlwaysSpeculatableImplTrait , ConstantLike

Interfaces: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
value	::mlir::UnitAttr	unit attribute

Résultats:

Résultat	Description
none_val	none type

tfl.non_max_suppression_v4 (TFL::NonMaxSuppressionV4Op)

Greedily selects a subset of bounding boxes in descending order of score,

pruning away boxes that have high intersection-over-union (IOU) overlap with previously selected boxes. Bounding boxes with score less than score_threshold are removed. Bounding boxes are supplied as [y1, x1, y2, x2], where (y1, x1) and (y2, x2) are the coordinates of any diagonal pair of box corners and the coordinates can be provided as normalized (ie, lying in the interval [0, 1]) or absolute. Note that this algorithm is agnostic to where the origin is in the coordinate system and more generally is invariant to orthogonal transformations and translations of the coordinate system; thus translating or reflections of the coordinate system result in the same boxes being selected by the algorithm. The output of this operation is a set of integers indexing into the input collection of bounding boxes representing the selected boxes. The bounding box coordinates corresponding to the selected indices can then be obtained using the tf.gather operation . For example: selected_indices = tf.image.non_max_suppression_v2( boxes, scores, max_output_size, iou_threshold, score_threshold) selected_boxes = tf.gather(boxes, selected_indices)

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
boxes	tensor of 32-bit float values
scores	tensor of 32-bit float values
max_output_size	tensor of 32-bit signless integer values
iou_threshold	tensor of 32-bit float values
score_threshold	tensor of 32-bit float values

Résultats:

Résultat	Description
selected_indices	tensor of 32-bit signless integer values
valid_outputs	tensor of 32-bit signless integer values

tfl.non_max_suppression_v5 (TFL::NonMaxSuppressionV5Op)

Greedily selects a subset of bounding boxes in descending order of score,

pruning away boxes that have high intersection-over-union (IOU) overlap with previously selected boxes. Bounding boxes with score less than score_threshold are removed. Bounding boxes are supplied as [y1, x1, y2, x2], where (y1, x1) and (y2, x2) are the coordinates of any diagonal pair of box corners and the coordinates can be provided as normalized (ie, lying in the interval [0, 1]) or absolute. Note that this algorithm is agnostic to where the origin is in the coordinate system and more generally is invariant to orthogonal transformations and translations of the coordinate system; thus translating or reflections of the coordinate system result in the same boxes being selected by the algorithm. The output of this operation is a set of integers indexing into the input collection of bounding boxes representing the selected boxes. The bounding box coordinates corresponding to the selected indices can then be obtained using the tf.gather operation . For example: selected_indices = tf.image.non_max_suppression_v2( boxes, scores, max_output_size, iou_threshold, score_threshold) selected_boxes = tf.gather(boxes, selected_indices) This op also supports a Soft-NMS (with Gaussian weighting) mode (cf Bodla et al, https://arxiv.org/abs/1704.04503 ) where boxes reduce the score of other overlapping boxes instead of directly causing them to be pruned. To enable this Soft-NMS mode, set the soft_nms_sigma parameter to be larger than 0.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
boxes	tensor of 32-bit float values
scores	tensor of 32-bit float values
max_output_size	tensor of 32-bit signless integer values
iou_threshold	tensor of 32-bit float values
score_threshold	tensor of 32-bit float values
soft_nms_sigma	tensor of 32-bit float values

Résultats:

Résultat	Description
selected_indices	tensor of 32-bit signless integer values
selected_scores	tensor of 32-bit float values
valid_outputs	tensor of 32-bit signless integer values

tfl.not_equal (TFL::NotEqualOp)

_Not equal operator

Element-wise not_equal operation.

Traits: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , Commutative , ResultsBroadcastableShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
lhs	tensor of 1-bit signless integer or 32-bit float or 32-bit signless integer or 64-bit signless integer or QUI8 type or QI8 type or QI16 type or TFLite quint8 type or TFLite string type values
rhs	tensor of 1-bit signless integer or 32-bit float or 32-bit signless integer or 64-bit signless integer or QUI8 type or QI8 type or QI16 type or TFLite quint8 type or TFLite string type values

Résultats:

Résultat	Description
output	tensor of 1-bit signless integer values

tfl.NumericVerify (TFL::NumericVerifyOp)

Verifies the numericals of the two operands

The NumericVerify op is a debugging op to verify the numericals of the two activations. It is a custom op in TFLite. If log_if_failed is true, the NumericVerify op calculates statistics on differences between float and quantized activations, output logs, set differences to the output tensors, and throws an error if errors above tolerance exist. If log_if_failed = false, then it doesn't care about errors.

Traits: QuantizableResult , SameOperandsShape

Interfaces: TflRuntimeVerifyOpInterface

Attributs :

Attribut	MLIR Type	Description
tolerance	::mlir::FloatAttr	32-bit float attribute
log_if_failed	::mlir::BoolAttr	bool attribute

Operands:

Opérande	Description
input	tensor of QI8 type or QUI8 type or QI16 type or 16-bit float or TFLite quint8 type values
ref	tensor of 32-bit float values

Résultats:

Résultat	Description
output	tensor of 32-bit float values

tfl.one_hot (TFL::OneHotOp)

OneHot operator

Returns a one-hot tensor.The locations represented by indices in indices take value on_value , while all other locations take value off_value .

If the input indices is rank N , the output will have rank N+1 , The new axis is created at dimension axis (default: the new axis is appended at the end).

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
axis	::mlir::IntegerAttr	32-bit signless integer attribute

Operands:

Opérande	Description
indices	tensor of 32-bit signless integer or 64-bit signless integer values
depth	tensor of 32-bit signless integer values
on_value	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 1-bit signless integer or 8-bit signless integer or 8-bit unsigned integer values
off_value	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 1-bit signless integer or 8-bit signless integer or 8-bit unsigned integer values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 1-bit signless integer or 8-bit signless integer or 8-bit unsigned integer values

tfl.pack (TFL::PackOp)

Packs a list of tensors along a dimension into one tensor

Packs a list of values_count rank- R tensors into one rank- (R+1) tensor.

Packs the values_count tensors in values into a tensor with rank one higher than each tensor in values , by packing them along the axis dimension.

Given a list of tensors of shape (A, B, C) ;

if axis == 0 then the output tensor will have the shape (N, A, B, C) . if axis == 1 then the output tensor will have the shape (A, N, B, C) . Etc.

Par exemple:

# 'x' is [1, 4]
# 'y' is [2, 5]
# 'z' is [3, 6]
pack([x, y, z]) => [[1, 4], [2, 5], [3, 6]]  # Pack along first dim.
pack([x, y, z], axis=1) => [[1, 2, 3], [4, 5, 6]]

This is the opposite of unpack .

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
values_count	::mlir::IntegerAttr	32-bit signless integer attribute whose value is positive
axis	::mlir::IntegerAttr	32-bit signless integer attribute

Operands:

Opérande	Description
values	variadic of tensor of any type values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.pad (TFL::PadOp)

Padding operator

This operation pads a input with zeros according to the paddings you specify. paddings is an integer tensor with shape [Dn, 2] , where n is the rank of input . For each dimension D of input , paddings[D, 0] indicates how many zeros to add before the contents of input in that dimension, and paddings[D, 1] indicates how many zeros to add after the contents of input in that dimension.

The padded size of each dimension D of the output is:

paddings(D, 0) + input.dim_size(D) + paddings(D, 1)

Par exemple:

# 't' is [[1, 1], [2, 2]]
# 'paddings' is [[1, 1], [2, 2]]
# rank of 't' is 2
pad(t, paddings) ==> [[0, 0, 0, 0, 0, 0]
                      [0, 0, 1, 1, 0, 0]
                      [0, 0, 2, 2, 0, 0]
                      [0, 0, 0, 0, 0, 0]]

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
input	tensor of 32-bit float or 1-bit signless integer or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
padding	tensor of 32/64-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 1-bit signless integer or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.padv2 (TFL::PadV2Op)

Padding operator v2

This operation pads a input according to the paddings and constant_values you specify. paddings is an integer tensor with shape [Dn, 2] , where n is the rank of input . For each dimension D of input , paddings[D, 0] indicates how many zeros to add before the contents of input in that dimension, and paddings[D, 1] indicates how many zeros to add after the contents of input in that dimension. constant_values is a scalar tensor of the same type as input that indicates the value to use for padding input .

The padded size of each dimension D of the output is:

paddings(D, 0) + input.dim_size(D) + paddings(D, 1)

Par exemple:

# 't' is [[1, 1], [2, 2]]
# 'paddings' is [[1, 1], [2, 2]]
# rank of 't' is 2
pad(t, paddings) ==> [[0, 0, 0, 0, 0, 0]
                      [0, 0, 1, 1, 0, 0]
                      [0, 0, 2, 2, 0, 0]
                      [0, 0, 0, 0, 0, 0]]

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
input	tensor of 32-bit float or 1-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite quint8 type values
padding	tensor of 32/64-bit signless integer values
constant_values	tensor of 32-bit float or 1-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite quint8 type values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 1-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite quint8 type values

tfl.poly_call (TFL::PolyCallOp)

Poly call

Have multiple function bodies for the same computation. This allows a program compiler/interpreter to choose one of the available options to execute the program based on which one is most suitable for the target backend.

input: A list of input tensors whose types are T. output: A list of output tensors whose types are T.

call: Multiple regions, each of which encapsulates the same semantic computation but in different forms.

Traits: SingleBlockImplicitTerminator<YieldOp> , SingleBlock

Interfaces: RegionBranchOpInterface

Operands:

Opérande	Description
input	variadic of tensor of any type values

Résultats:

Résultat	Description
output	variadic of tensor of any type values

tfl.pow (TFL::PowOp)

Power operator

Element-wise power operation.

Traits: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
lhs	tensor of 32-bit float or 32-bit signless integer values
rhs	tensor of 32-bit float or 32-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 32-bit signless integer values

tfl.prelu (TFL::PReluOp)

Parameterized Relu operator

Parameterized Relu operator x -> x >= 0 ? x : (alpha * x) where alpha is a trainable tensor. input and alpha should be the same size as input or be broadcastable.

Traits: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult , ResultsBroadcastableShape , TFL::AffineOpCoefficient<-1, 1>

Interfaces: AffineQuantizedOpInterface , ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
input	tensor of 32-bit float or QI8 type or QUI8 type or TFLite quint8 type values
alpha	tensor of 32-bit float or QI8 type or QUI8 type or TFLite quint8 type values

Résultats:

Résultat	Description
output	tensor of 32-bit float or QI8 type or QUI8 type or TFLite quint8 type values

tfl.pseudo_const (TFL::ConstOp)

Constant pseudo op.

Represents a constant value in TensorFlow Lite dialect. This is not an actual operation and it will be lowered to buffer instead.

The op is allowed to have all the same type of attributes as tf.Const does (eg, opaque TF attributes are allowed).

Traits: AlwaysSpeculatableImplTrait , ConstantLike , FirstAttrDerivedResultType , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
value	::mlir::ElementsAttr	constant vector/tensor attribute

Résultats:

Résultat	Description
output	tensor of any type values

tfl.pseudo_qconst (TFL::QConstOp)

Quantized constant pseudo op

Represents a quantized constant value in TensorFlow Lite dialect. This is not an actual operation and it will be lowered to buffer instead. The quantization parameters are stored as a type attribute in this constant.

Traits: AlwaysSpeculatableImplTrait , FirstAttrDerivedResultType

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
qtype	::mlir::TypeAttr	Tensor type attribute
value	::mlir::ElementsAttr	constant vector/tensor attribute

Résultats:

Résultat	Description
output	tensor of QUI8 type or QI8 type or QI16 type or QUI16 type or TFLite quint8 type values

tfl.pseudo_sparse_const (TFL::SparseConstOp)

Sparse constant pseudo op.

Represents a sparse constant value in TensorFlow Lite dialect. This is not an actual operation and it will be lowered to buffer instead.

Traits: AlwaysSpeculatableImplTrait , FirstAttrDerivedResultType , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
value	::mlir::ElementsAttr	constant vector/tensor attribute
s_param	::mlir::TFL::SparsityParameterAttr	Sparsity parameter.
compressed_data	::mlir::ElementsAttr	constant vector/tensor attribute

Résultats:

Résultat	Description
output	tensor of any type values

tfl.pseudo_sparse_qconst (TFL::SparseQConstOp)

Sparse quantized constant pseudo op

Represents a sparse quantized constant value in TensorFlow Lite dialect. This is not an actual operation and it will be lowered to buffer instead. The quantization parameters are stored as a type attribute in this constant.

Traits: AlwaysSpeculatableImplTrait , FirstAttrDerivedResultType

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
qtype	::mlir::TypeAttr	Tensor type attribute
value	::mlir::ElementsAttr	constant vector/tensor attribute
s_param	::mlir::TFL::SparsityParameterAttr	Sparsity parameter.
compressed_data	::mlir::ElementsAttr	constant vector/tensor attribute

Résultats:

Résultat	Description
output	tensor of QUI8 type or QI8 type or QI16 type or QUI16 type or TFLite quint8 type values

tfl.quantize (TFL::QuantizeOp)

Quantize operator

Converts floating point tensors to quantized integer tensors according to the quantization parameters defined in the type attribute.

Traits: FirstAttrDerivedResultType , SameOperandsAndResultShape

Interfaces: NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
qtype	::mlir::TypeAttr	Tensor type attribute

Operands:

Opérande	Description
input	tensor of 32-bit float or QI4 type or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

Résultats:

Résultat	Description
output	tensor of QI4 type or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.random_standard_normal (TFL::RandomStandardNormalOp)

Outputs random values from a normal distribution.

The generated values will have mean 0 and standard deviation 1.

Interfaces: TflRuntimeVerifyOpInterface

Attributs :

Attribut	MLIR Type	Description
seed	::mlir::IntegerAttr	64-bit signless integer attribute
seed2	::mlir::IntegerAttr	64-bit signless integer attribute

Operands:

Opérande	Description
shape	tensor of 32-bit signless integer values

Résultats:

Résultat	Description
out	tensor of 32-bit float values

tfl.random_uniform (TFL::RandomUniformOp)

Outputs random values from a uniform distribution.

The generated values follow a uniform distribution in the range [0, 1) . The lower bound 0 is included in the range, while the upper bound 1 is excluded.

Interfaces: TflRuntimeVerifyOpInterface

Attributs :

Attribut	MLIR Type	Description
seed	::mlir::IntegerAttr	64-bit signless integer attribute
seed2	::mlir::IntegerAttr	64-bit signless integer attribute

Operands:

Opérande	Description
shape	tensor of 32-bit signless integer values

Résultats:

Résultat	Description
out	tensor of 32-bit float values

tfl.range (TFL::RangeOp)

Range operator

Returns a 1D tensor defined by a sequence from start to limit with a given delta .

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
start	tensor of 32-bit signless integer or 32-bit float or 64-bit signless integer values
limit	tensor of 32-bit signless integer or 32-bit float or 64-bit signless integer values
delta	tensor of 32-bit signless integer or 32-bit float or 64-bit signless integer values

Résultats:

Résultat	Description
result	tensor of 32-bit signless integer or 32-bit float or 64-bit signless integer values

tfl.rank (TFL::RankOp)

Rank operator.

Returns the rank of a tensor.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
input	tensor of any type values

Résultats:

Résultat	Description
output	tensor of any integer type

tfl.read_variable (TFL::ReadVariableOp)

Reads variable value.

Read variable data identified by 'resource_id'.

Interfaces: TflRuntimeVerifyOpInterface

Operands:

Opérande	Description
resource_id	tensor of resource values

Résultats:

Résultat	Description
result	tensor of 32-bit float or 64-bit float or 1-bit signless integer or 8-bit unsigned integer or 8-bit signless integer or QI8 type or QUI8 type or 32-bit signless integer or 64-bit signless integer or QI16 type or complex type with 32-bit float elements or complex type with 64-bit float elements values

tfl.real (TFL::RealOp)

Returns the real part of a complex number.

Given a tensor input of complex numbers, this operation returns a tensor of type float that is the real part of each element in input . All elements in input must be complex numbers of the form \(a + bj\), where a is the real part returned by this operation and b is the imaginary part.

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
input	tensor of complex type with 32-bit float elements or complex type with 64-bit float elements values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 64-bit float values

tfl.reduce_all (TFL::ReduceAllOp)

Computes the "logical and" of elements across dimensions of a tensor.

Reduces input along the dimensions given in axis . Unless keep_dims is true, the rank of the tensor is reduced by 1 for each entry in axis . If keep_dims is true, the reduced dimensions are retained with length 1.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
keep_dims	::mlir::BoolAttr	bool attribute

Operands:

Opérande	Description
input	tensor of 1-bit signless integer values
reduction_indices	tensor of 32-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 1-bit signless integer values

tfl.reduce_any (TFL::ReduceAnyOp)

Computes the "logical or" of elements across dimensions of a tensor.

Reduces input along the dimensions given in axis . Unless keep_dims is true, the rank of the tensor is reduced by 1 for each entry in axis . If keep_dims is true, the reduced dimensions are retained with length 1.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
keep_dims	::mlir::BoolAttr	bool attribute

Operands:

Opérande	Description
input	tensor of 1-bit signless integer values
reduction_indices	tensor of 32-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 1-bit signless integer values

tfl.reduce_max (TFL::ReduceMaxOp)

Max-reduction operator

Computes the max reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
keep_dims	::mlir::BoolAttr	bool attribute

Operands:

Opérande	Description
input	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
axes	tensor of 32-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.reduce_min (TFL::ReduceMinOp)

Min-reduction operator

Computes the min reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
keep_dims	::mlir::BoolAttr	bool attribute

Operands:

Opérande	Description
input	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
axes	tensor of 32-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.reduce_prod (TFL::ReduceProdOp)

Prod-reduction operator

Computes the product along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
keep_dims	::mlir::BoolAttr	bool attribute

Operands:

Opérande	Description
input	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
axes	tensor of 32-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.relu (TFL::ReluOp)

Relu operator

Element-wise Relu operator x -> max(0, x)

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
x	tensor of 32-bit float or QUI8 type or QI8 type or QI16 type values

Résultats:

Résultat	Description
y	tensor of 32-bit float or QUI8 type or QI8 type or QI16 type values

tfl.relu6 (TFL::Relu6Op)

Relu6 operator

Element-wise Relu6 operator x -> max(0, min(6, x))

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
x	tensor of 32-bit float or QUI8 type or QI8 type values

Résultats:

Résultat	Description
y	tensor of 32-bit float or QUI8 type or QI8 type values

tfl.relu_0_to_1 (TFL::Relu0To1Op)

Relu0To1 operator

Element-wise Relu0To1 operator x -> max(0, min(1, x))

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
x	tensor of 32-bit float or QUI8 type or QI8 type values

Résultats:

Résultat	Description
y	tensor of 32-bit float or QUI8 type or QI8 type values

tfl.relu_n1_to_1 (TFL::Relu1Op)

Relu1 operator

Element-wise Relu1 operator x -> max(-1, min(1, x))

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
x	tensor of 32-bit float or QUI8 type or QI8 type values

Résultats:

Résultat	Description
y	tensor of 32-bit float or QUI8 type or QI8 type values

tfl.reshape (TFL::ReshapeOp)

Reshape operator

Produces a tensor with the same values but different static shape defined by the output type.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
input	tensor of any type values
shape	tensor of 32-bit signless integer values

Résultats:

Résultat	Description
output	tensor of any type values

tfl.resize_bilinear (TFL::ResizeBilinearOp)

ResizeBilinear Op

Resize images to size using bilinear interpolation.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
align_corners	::mlir::BoolAttr	bool attribute
half_pixel_centers	::mlir::BoolAttr	bool attribute

Operands:

Opérande	Description
input	tensor of 32-bit float or TFLite quint8 type or QUI8 type or QI8 type or QI16 type values
size	tensor of 32-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 32-bit float or TFLite quint8 type or QUI8 type or QI8 type or QI16 type values

tfl.resize_nearest_neighbor (TFL::ResizeNearestNeighborOp)

ResizeNearestNeighbor Op

Resize images to size using nearest neighbor interpolation.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
align_corners	::mlir::BoolAttr	bool attribute
half_pixel_centers	::mlir::BoolAttr	bool attribute

Operands:

Opérande	Description
input	tensor of 32-bit float or TFLite quint8 type or QUI8 type or QI8 type or QI16 type values
size	tensor of 32-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 32-bit float or TFLite quint8 type or QUI8 type or QI8 type or QI16 type values

tfl.reverse_sequence (TFL::ReverseSequenceOp)

Reverses variable length slices.

This op first slices input along the dimension batch_dim , and for each slice i , reverses the first seq_lengths[i] elements along the dimension seq_dim .

The elements of seq_lengths must obey seq_lengths[i] <= input.dims[seq_dim] , and seq_lengths must be a vector of length input.dims[batch_dim] .

The output slice i along dimension batch_dim is then given by input slice i , with the first seq_lengths[i] slices along dimension seq_dim reversed.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
seq_dim	::mlir::IntegerAttr	32-bit signless integer attribute whose value is non-negative
batch_dim	::mlir::IntegerAttr	32-bit signless integer attribute whose value is non-negative

Operands:

Opérande	Description
input	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI16 type or QUI8 type or TFLite quint8 type values
seq_lengths	tensor of 32/64-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI16 type or QUI8 type or TFLite quint8 type values

tfl.reverse_v2 (TFL::ReverseV2Op)

ReverseV2 Operator

Reverses specific dimensions of a tensor.

Given a tensor, and a int32/int64 tensor axis representing the set of dimensions of tensor to reverse. This operation reverses each dimension i for which there exists j st axis[j] == i.

Args: tensor: A Tensor. Must be one of the following types: uint8, int8, int16, int32, int64, float32, bool Up to 8-D.

axis: A Tensor. Must be one of the following types: int32, int64. with only 1 element which is the axis index. TODO: Add support for multiple elements.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
input	tensor of 32-bit float or 8-bit unsigned integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or QI16 type or QUI8 type or QI8 type or TFLite quint8 type or 1-bit signless integer values
axis	tensor of 32-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 8-bit unsigned integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or QI16 type or QUI8 type or QI8 type or TFLite quint8 type or 1-bit signless integer values

tfl.rfft2d (TFL::RFFT2dOp)

2D real-valued fast Fourier transform.

Computes the 2-dimensional discrete Fourier transform of a real-valued signal over the inner-most 2 dimensions of input .

Since the DFT of a real signal is Hermitian-symmetric, RFFT2D only returns the fft_length / 2 + 1 unique components of the FFT for the inner-most dimension of output : the zero-frequency term, followed by the fft_length / 2 positive-frequency terms.

Along each axis RFFT2D is computed on, if fft_length is smaller than the corresponding dimension of input , the dimension is cropped. If it is larger, the dimension is padded with zeros.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
input	tensor of 32-bit float values
fft_length	tensor of 32-bit signless integer values

Résultats:

Résultat	Description
output	tensor of complex type with 32-bit float elements values

tfl.right_shift (TFL::RightShiftOp)

Right Shift operator

Elementwise computes the bitwise right-shift of lhs by rhs .

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultElementType

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
lhs	tensor of 8-bit signless integer or 8-bit unsigned integer or 16-bit signless integer or 16-bit unsigned integer or 32-bit signless integer or 32-bit unsigned integer values
rhs	tensor of 8-bit signless integer or 8-bit unsigned integer or 16-bit signless integer or 16-bit unsigned integer or 32-bit signless integer or 32-bit unsigned integer values

Résultats:

Résultat	Description
output	tensor of 8-bit signless integer or 8-bit unsigned integer or 16-bit signless integer or 16-bit unsigned integer or 32-bit signless integer or 32-bit unsigned integer values

tfl.round (TFL::RoundOp)

Round operator

Rounds the values of a tensor to the nearest integer, element-wise.

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
x	tensor of 32-bit float values

Résultats:

Résultat	Description
y	tensor of 32-bit float values

tfl.rsqrt (TFL::RsqrtOp)

Reciprocal of square root operator

Computes element-wise reverse square root of input

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
x	tensor of 32-bit float or QI8 type or QI16 type values

Résultats:

Résultat	Description
y	tensor of 32-bit float or QI8 type or QI16 type values

tfl.scatter_nd (TFL::ScatterNdOp)

_Scatter nd operator

Scatter updates into a new tensor according to indices

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
indices	tensor of 32-bit signless integer values
updates	tensor of 32-bit float or 8-bit signless integer or 64-bit signless integer or 32-bit signless integer or 8-bit unsigned integer or 1-bit signless integer values
shape	1D tensor of any type values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 8-bit signless integer or 64-bit signless integer or 32-bit signless integer or 8-bit unsigned integer or 1-bit signless integer values

tfl.segment_sum (TFL::SegmentSumOp)

SegmentSum operator

Computes the sum along segments of a tensor.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
input	tensor of 32-bit float or 32-bit signless integer values
segment_ids	tensor of 32-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 32-bit signless integer values

tfl.select (TFL::SelectOp)

Sélectionner l'opérateur

Select values of 'x' if the corresponding value of 'condition' is true or the value of 'y' if false. There are valid condition input sizes:

1. Either the same shape (in which case the select is elementwise), or
2. condition must be Rank 1 and match over the first dimension.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
condition	tensor of 1-bit signless integer values
x	tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values
y	tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.select_v2 (TFL::SelectV2Op)

SelectV2 operator

Select values of 'x' if the corresponding value of 'condition' is true or the value of 'y' if false. There are valid condition input sizes:

1. Either the same shape (in which case the select is elementwise), or
2. Broadcastable shapes between 'condition', 'x' and 'y'.

Traits: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult , ResultsBroadcastableShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
condition	tensor of 1-bit signless integer values
x	tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values
y	tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.shape (TFL::ShapeOp)

Shape operator

Returns the shape of a tensor.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
out_type	::mlir::Attribute	derived attribute

Operands:

Opérande	Description
input	tensor of any type values

Résultats:

Résultat	Description
output	tensor of 32-bit signless integer or 64-bit signless integer values

tfl.sign (TFL::SignOp)

Sign operation

Returns NaN if x is NaN, 0 if x is 0, -1 if x < 0 and 1 if x > 0.

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultType

Interfaces: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
x	tensor of 32-bit float or 64-bit float or 32-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 64-bit float or 32-bit signless integer values

tfl.sin (TFL::SinOp)

Sine operator

Computes element-wise Sine of input

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
x	tensor of 32-bit float values

Résultats:

Résultat	Description
y	tensor of 32-bit float values

tfl.slice (TFL::SliceOp)

Return a slice from 'input'.

The output tensor is a tensor with dimensions described by 'size' whose values are extracted from 'input' starting at the offsets in 'begin'.

begin is zero-based; size is one-based. If size[i] is -1, all remaining elements in dimension i are included in the slice. In other words, this is equivalent to setting: size[i] = input.dim_size(i) - begin[i]

Requirements : 0 <= begin[i] <= begin[i] + size[i] <= Di for i in [0, n)

Traits: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
input	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or 32-bit unsigned integer or 1-bit signless integer or TFLite string type or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
begin	tensor of 32/64-bit signless integer values
size	tensor of 32/64-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or 32-bit unsigned integer or 1-bit signless integer or TFLite string type or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.softmax (TFL::SoftmaxOp)

Softmax operator

Computes element-wise softmax activations with the following formula

exp(input * beta) / tf.reduce_sum(exp(input * beta), dim)

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , FixedOutputRangeInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
beta	::mlir::FloatAttr	32-bit float attribute

Operands:

Opérande	Description
input	tensor of 32-bit float or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

Résultats:

Résultat	Description
output	tensor of 32-bit float or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.space_to_batch_nd (TFL::SpaceToBatchNdOp)

SpaceToBatchNd operator

This operation reshapes space dimensions into the "batch" dimension 0

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
input	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
block_shape	tensor of 32-bit signless integer values
paddings	tensor of 32-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.space_to_depth (TFL::SpaceToDepthOp)

SpaceToDepth operator

Rearranges blocks of spatial data, into depth. More specifically, this op outputs a copy of the input tensor where values from the height and width dimensions are moved to the depth dimension. block_size indicates the input block size.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
block_size	::mlir::IntegerAttr	32-bit signless integer attribute whose value is positive

Operands:

Opérande	Description
input	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type values

tfl.sparse_to_dense (TFL::SparseToDenseOp)

Converts a sparse representation into a dense tensor.

Builds an array dense with shape output_shape such that

# If sparse_indices is scalar
dense[i] = (i == sparse_indices ? sparse_values : default_value)

# If sparse_indices is a vector, then for each i
dense[sparse_indices[i]] = sparse_values[i]

# If sparse_indices is an n by d matrix, then for each i in [0, n)
dense[sparse_indices[i][0], ..., sparse_indices[i][d-1]] = sparse_values[i]

All other values in dense are set to default_value . If sparse_values is a scalar, all sparse indices are set to this single value.

Indices should be sorted in lexicographic order, and indices must not contain any repeats. If validate_indices is true, these properties are checked during execution.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
sparse_indices	tensor of 32/64-bit signless integer values
output_shape	tensor of 32/64-bit signless integer values
sparse_values	tensor of 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or QI8 type or 8-bit unsigned integer or QUI8 type or TFLite quint8 type or 32-bit float values
default_value	tensor of 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or QI8 type or 8-bit unsigned integer or QUI8 type or TFLite quint8 type or 32-bit float values

Résultats:

Résultat	Description
dense	tensor of 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or QI8 type or 8-bit unsigned integer or QUI8 type or TFLite quint8 type or 32-bit float values

tfl.split (TFL::SplitOp)

Splits a tensor into num_split tensors along one dimension.

Splits the value tensor along split_dim into a number of sub-tensors with same shape as the original one, except for split_dim . Same as tf.Split.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
num_splits	::mlir::IntegerAttr	32-bit signless integer attribute whose value is positive

Operands:

Opérande	Description
split_dim	tensor of 32-bit signless integer values
value	tensor of 32-bit float or 16-bit signless integer or 32-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or QI16 type values

Résultats:

Résultat	Description
outputs	variadic of tensor of any type values

tfl.split_v (TFL::SplitVOp)

Splits a tensor into num_split tensors along one dimension.

Splits the value tensor along split_dim into a number of sub-tensors with same shape as the original one, except for split_dim . The grouping of the resultant sub-tensors is decided by size-splits . Same as tf.SplitV.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
num_splits	::mlir::IntegerAttr	32-bit signless integer attribute whose value is positive

Operands:

Opérande	Description
value	tensor of 32-bit float or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or QI16 type values
size_splits	1D tensor of 32-bit signless integer values
split_dim	0D tensor of 32-bit signless integer values

Résultats:

Résultat	Description
outputs	variadic of tensor of any type values

tfl.sqrt (TFL::SqrtOp)

Square root operator

Computes element-wise Square root of input

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
x	tensor of 32-bit float or QI8 type or QI16 type values

Résultats:

Résultat	Description
y	tensor of 32-bit float or QI8 type or QI16 type values

tfl.square (TFL::SquareOp)

Square operator

Computes element-wise Square of input

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
x	tensor of 32-bit float values

Résultats:

Résultat	Description
y	tensor of 32-bit float values

tfl.squared_difference (TFL::SquaredDifferenceOp)

Squared difference operator

Element-wise squared difference operation.

Traits: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult , ResultsBroadcastableShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Opérande	Description
lhs	tensor of 32-bit float or 32-bit signless integer or QI8 type values
rhs	tensor of 32-bit float or 32-bit signless integer or QI8 type values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 32-bit signless integer or QI8 type values

tfl.squeeze (TFL::SqueezeOp)

Removes dimensions of size 1 from the shape of a tensor.

Given a tensor input , this operation returns a tensor of the same type with all dimensions of size 1 removed. If you don't want to remove all size 1 dimensions, you can remove specific size 1 dimensions by specifying squeeze_dims .

Par exemple:

# 't' is a tensor of shape [1, 2, 1, 3, 1, 1]
shape(squeeze(t)) ==> [2, 3]

Or, to remove specific size 1 dimensions:

# 't' is a tensor of shape [1, 2, 1, 3, 1, 1]
shape(squeeze(t, [2, 4])) ==> [1, 2, 3, 1]

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
squeeze_dims	::mlir::ArrayAttr	64-bit integer array attribute whose size is at most 8

Operands:

Opérande	Description
input	tensor of any type values

Résultats:

Résultat	Description
output	tensor of any type values

tfl.strided_slice (TFL::StridedSliceOp)

StridedSlice Op

Return a strided slice from input .

Traits: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
begin_mask	::mlir::IntegerAttr	32-bit signless integer attribute
end_mask	::mlir::IntegerAttr	32-bit signless integer attribute
ellipsis_mask	::mlir::IntegerAttr	32-bit signless integer attribute
new_axis_mask	::mlir::IntegerAttr	32-bit signless integer attribute
shrink_axis_mask	::mlir::IntegerAttr	32-bit signless integer attribute
offset	::mlir::BoolAttr	bool attribute

Operands:

Opérande	Description
input	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or 32-bit unsigned integer or QI8 type or QUI8 type or 1-bit signless integer or 16-bit signless integer or QI16 type or TFLite quint8 type or TFLite string type values
begin	tensor of 32-bit signless integer values
end	tensor of 32-bit signless integer values
strides	tensor of 32-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or 32-bit unsigned integer or QI8 type or QUI8 type or 1-bit signless integer or 16-bit signless integer or QI16 type or TFLite quint8 type or TFLite string type values

tfl.sub (TFL::SubOp)

Opérateur de soustraction

Element-wise subtraction operation.

Traits: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult , ResultsBroadcastableShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
fused_activation_function	::mlir::StringAttr	string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT

Operands:

Opérande	Description
lhs	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type values
rhs	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type values

tfl.sum (TFL::SumOp)

Sum operator

Computes the sum reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
keep_dims	::mlir::BoolAttr	bool attribute

Operands:

Operand	Description
input	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
axes	tensor of 32-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.svdf (TFL::SVDFOp)

Single value decomposition filter operator

The SVDF op is a decomposition of a densely connected op into low rank filters. For details: https://research.google.com/pubs/pub43813.html https://arxiv.org/abs/1812.02802

Traits: QuantizableResult , TFL::AccumulatorUniformScale<3, 2, 4>

Interfaces: DynamicRangeQuantizedOpInterface , RequiresQuantizedBiasInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

Attributs :

Attribut	MLIR Type	Description
rank	::mlir::IntegerAttr	32-bit signless integer attribute whose value is positive
fused_activation_function	::mlir::StringAttr	string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT
asymmetric_quantize_inputs	::mlir::BoolAttr	bool attribute

Operands:

Operand	Description
input	tensor of 32-bit float or QI8 type values
feature_weights	tensor of 32-bit float or QI8 type or QUI8 type values
time_weights	tensor of 32-bit float or QI16 type values
input_gate_bias	tensor of any type values or none type
activation_state	stateful tensor

Résultats:

Résultat	Description
output	tensor of 32-bit float or QI8 type values

tfl.tanh (TFL::TanhOp)

Hyperbolic tangent operator

Computes element-wise Hyperbolic tangent of input

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , FixedOutputRangeInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	Description
input	tensor of 32-bit float or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

Résultats:

Résultat	Description
output	tensor of 32-bit float or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.tile (TFL::TileOp)

Tile operator.

Constructs a tensor by tiling a given tensor.

This operation creates a new tensor by replicating input multiples times. The output tensor's i'th dimension has input.dims(i) * multiples[i] elements, and the values of input are replicated multiples[i] times along the 'i'th dimension. For example, tiling [abcd] by [2] produces [abcdabcd].

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	Description
input	tensor of 32-bit float or 1-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite string type values
multiples	tensor of 32/64-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 1-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite string type values

tfl.topk_v2 (TFL::TopKV2Op)

TopK operator

Returns the top k largest element along each last dimensional slice of input and the indices of values within the last dimension of the input tensor.

Results are always sorted in the descending order.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	Description
input	tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type values
k	tensor of 16-bit signless integer or 32-bit signless integer values

Résultats:

Résultat	Description
values	tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type values
indices	tensor of 16-bit signless integer or 32-bit signless integer values

tfl.transpose (TFL::TransposeOp)

Transpose operator

Returns the Transpose of x

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	Description
input	tensor of 32-bit signless integer or 32-bit float or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or 4-bit signless integer or QI4 type or TFLite quint8 type or 1-bit signless integer or 64-bit signless integer or QI16 type values
perm	tensor of 32-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 32-bit signless integer or 32-bit float or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or 4-bit signless integer or QI4 type or TFLite quint8 type or 1-bit signless integer or 64-bit signless integer or QI16 type values

tfl.transpose_conv (TFL::TransposeConvOp)

Transpose convolution operator

Performs transpose convolution operation on input.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , TFL::AccumulatorUniformScale<3, 1, 2> , TFL::AffineOpCoefficient<0, 1>

Interfaces: AffineQuantizedOpInterface , ConditionallySpeculatable , DynamicRangeQuantizedOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , RequiresQuantizedBiasInterface , TFL_SparseOp , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
padding	::mlir::StringAttr	string attribute whose value is SAME, or VALID
stride_h	::mlir::IntegerAttr	32-bit signless integer attribute whose value is positive
stride_w	::mlir::IntegerAttr	32-bit signless integer attribute whose value is positive
fused_activation_function	::mlir::StringAttr	string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT

Operands:

Operand	Description
output_shape	tensor of 32-bit signless integer values
weights	tensor of 32-bit float or QI8 type or QUI8 type or QI16 type values
input	tensor of 32-bit float or QI8 type or QUI8 type or QI16 type values
bias	tensor of any type values or none type

Résultats:

Résultat	Description
output	tensor of 32-bit float or QI8 type or QUI8 type or QI16 type values

tfl.unidirectional_sequence_lstm (TFL::UnidirectionalSequenceLSTMOp)

Unidirectional sequence lstm operator

A recurrent neural network specified by an LSTM cell. This Op supports unrolling the input along the time or batch dimensions, and implements the following operation for each element in the sequence s = 1...sequence_length: outputs[s] = state = activation(LSTMOp(inputs[s]))

where LSTMOp is LSTM TF Lite Op and the “activation” is the function passed as the “fused_activation_function” argument (if not “NONE”).

Traits: QuantizableResult

Interfaces: DynamicRangeQuantizedOpInterface , InferTypeOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

Attributs :

Attribut	MLIR Type	Description
fused_activation_function	::mlir::StringAttr	string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT
cell_clip	::mlir::FloatAttr	32-bit float attribute whose value is non-negative
proj_clip	::mlir::FloatAttr	32-bit float attribute whose value is non-negative
time_major	::mlir::BoolAttr	bool attribute
asymmetric_quantize_inputs	::mlir::BoolAttr	bool attribute
diagonal_recurrent_tensors	::mlir::BoolAttr	bool attribute
input_to_input_intermediate	::mlir::TypeAttr	any type attribute
input_to_forget_intermediate	::mlir::TypeAttr	any type attribute
input_to_cell_intermediate	::mlir::TypeAttr	any type attribute
input_to_output_intermediate	::mlir::TypeAttr	any type attribute
effective_hidden_scale_intermediate	::mlir::TypeAttr	any type attribute

Operands:

Operand	Description
input	tensor of 32-bit float values
input_to_input_weights	tensor of any type values or none type
input_to_forget_weights	tensor of 32-bit float or QI8 type values
input_to_cell_weights	tensor of 32-bit float or QI8 type values
input_to_output_weights	tensor of 32-bit float or QI8 type values
recurrent_to_input_weights	tensor of any type values or none type
recurrent_to_forget_weights	tensor of 32-bit float or QI8 type values
recurrent_to_cell_weights	tensor of 32-bit float or QI8 type values
recurrent_to_output_weights	tensor of 32-bit float or QI8 type values
cell_to_input_weights	tensor of any type values or none type
cell_to_forget_weights	tensor of any type values or none type
cell_to_output_weights	tensor of any type values or none type
input_gate_bias	tensor of any type values or none type
forget_gate_bias	tensor of 32-bit float values
cell_bias	tensor of 32-bit float values
output_gate_bias	tensor of 32-bit float values
projection_weights	tensor of any type values or none type
projection_bias	tensor of any type values or none type
input_activation_state	stateful tensor
input_cell_state	stateful tensor
input_layer_norm_coefficients	tensor of any type values or none type
forget_layer_norm_coefficients	tensor of any type values or none type
cell_layer_norm_coefficients	tensor of any type values or none type
output_layer_norm_coefficients	tensor of any type values or none type

Résultats:

Résultat	Description
output	tensor of 32-bit float or QI8 type values

tfl.unidirectional_sequence_rnn (TFL::UnidirectionalSequenceRNNOp)

Unidirectional sequence rnn operator

A recurrent neural network specified by an RNN cell. This Op takes in input in a format {batch_size, seq_len, input_size} or {seq_len, batch_size, input_size} if it's time-majored.

It implements the following operation for each element in the sequence s = 1...sequence_length: outputs[s] = state = activation(RNNOp(inputs[s]))

where RNNOp is RNNOp TF Lite Op and the “activation” is the function passed as the “fused_activation_function” argument (if not “NONE”).

Traits: QuantizableResult

Interfaces: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

Attributs :

Attribut	MLIR Type	Description
time_major	::mlir::BoolAttr	bool attribute
fused_activation_function	::mlir::StringAttr	string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT
asymmetric_quantize_inputs	::mlir::BoolAttr	bool attribute

Operands:

Operand	Description
input	tensor of 32-bit float values
input_to_input_weights	tensor of 32-bit float or QI8 type values
recurrent_to_input_weights	tensor of 32-bit float or QI8 type values
input_gate_bias	tensor of 32-bit float values
hidden_state	stateful tensor

Résultats:

Résultat	Description
output	tensor of 32-bit float values

tfl.unique (TFL::UniqueOp)

Unique Op.

This operation returns a tensor output containing all of the unique elements of input sorted in the same order that they occur in input . This operation also returns a tensor idx the same size as x that contains the index of each value of input in the unique output output . In other words:

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
idx_out_type	::mlir::Attribute	derived attribute

Operands:

Operand	Description
input	tensor of 8-bit signless integer or QI8 type or 8-bit unsigned integer or QUI8 type or 16-bit signless integer or QI16 type or 32-bit signless integer or 64-bit signless integer or 32-bit float values

Résultats:

Résultat	Description
output	tensor of 8-bit signless integer or QI8 type or 8-bit unsigned integer or QUI8 type or 16-bit signless integer or QI16 type or 32-bit signless integer or 64-bit signless integer or 32-bit float values
idx	tensor of 32/64-bit signless integer values

tfl.unpack (TFL::UnpackOp)

Unpacks a tensor along a dimension into multiple tensors

Unpacks a given dimension of a rank- R tensor into num rank- (R-1) tensors.

Unpacks num tensors from value by chipping it along the axis dimension. For example, given a tensor of shape (A, B, C, D) ;

If axis == 0 then the i'th tensor in output is the slice value[i, :, :, :] and each tensor in output will have shape (B, C, D) . (Note that the dimension unpacked along is gone, unlike split ).

If axis == 1 then the i'th tensor in output is the slice value[:, i, :, :] and each tensor in output will have shape (A, C, D) . Etc.

This is the opposite of pack .

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultElementType

Interfaces: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut	MLIR Type	Description
num	::mlir::IntegerAttr	32-bit signless integer attribute whose value is non-negative
axis	::mlir::IntegerAttr	32-bit signless integer attribute

Operands:

Operand	Description
input	tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or 32-bit signless integer or QI8 type or QUI8 type or 16-bit signless integer or QI16 type values

Résultats:

Résultat	Description
outputs	variadic of tensor of any type values

tfl.unsorted_segment_max (TFL::UnsortedSegmentMaxOp)

UnsortedSegmentMax operator

Computes the maximum value along segments of a tensor such that output[i] = max(data[j....]) where segment_ids[j...] = i if the maximum is empty for a given segment ID i, it outputs the smallest possible value for the specific numeric type, output[i] = numeric_limits::lowest(). Note the values of segment_ids are always validated to be less than num_segments and an error is thrown for out-of-bound indices.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	Description
input	tensor of 32-bit float or 32-bit signless integer values
segment_ids	tensor of 32-bit signless integer values
num_segments	tensor of 32-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 32-bit signless integer values

tfl.unsorted_segment_min (TFL::UnsortedSegmentMinOp)

UnsortedSegmentMin operator

Computes the minimum value along segments of a tensor such that output[i] = min(data[j....]) where segment_ids[j...] = i if the minimum is empty for a given segment ID i, it outputs the largest possible value for the specific numeric type, output[i] = numeric_limits::max(). Note the values of segment_ids are always validated to be less than num_segments and an error is thrown for out-of-bound indices.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	Description
input	tensor of 32-bit float or 32-bit signless integer values
segment_ids	tensor of 32-bit signless integer values
num_segments	tensor of 32-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 32-bit signless integer values

tfl.unsorted_segment_prod (TFL::UnsortedSegmentProdOp)

UnsortedSegmentProd operator

Computes the product along segments of a tensor.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	Description
input	tensor of 32-bit float or 32-bit signless integer values
segment_ids	tensor of 32-bit signless integer values
num_segments	tensor of 32-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 32-bit signless integer values

tfl.unsorted_segment_sum (TFL::UnsortedSegmentSumOp)

UnsortedSegmentSum operator

From a tensor segmentation, computes the output resulting from summing together elements mapped to the same segment_id. Ie output[i] is equal to the tensor sum of all elements from the input tensor mapped to segment_id i . If no tensors are mapped to a particular included segment_id, the output at that indice will be a zero tensor with the appropriate shape. Note the values of segment_ids are always validated to be less than num_segments and an error is thrown for out-of-bound indices

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	Description
input	tensor of 32-bit float or 32-bit signless integer values
segment_ids	tensor of 32-bit signless integer values
num_segments	tensor of 32-bit signless integer values

Résultats:

Résultat	Description
output	tensor of 32-bit float or 32-bit signless integer values

tfl.var_handle (TFL::VarHandleOp)

Returns a handle to a variable resource from its name.

Returns a handle for a variable resource from its name. container: the container this variable is placed in. shared_name: the name by which this variable is referred to.

Interfaces: TflRuntimeVerifyOpInterface

Attributs :

Attribut	MLIR Type	Description
container	::mlir::StringAttr	string attribute
shared_name	::mlir::StringAttr	string attribute

Résultats:

Résultat	Description
resource_handle	tensor of resource values

tfl.where (TFL::WhereOp)

Returns locations of nonzero / true values in a tensor.

This operation returns the coordinates of true elements in condition . The coordinates are returned in a 2-D tensor where the first dimension (rows) represents the number of true elements, and the second dimension (columns) represents the coordinates of the true elements. Keep in mind, the shape of the output tensor can vary depending on how many true values there are in condition . Indices are output in row-major order.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	Description
condition	tensor of 1-bit signless integer or 32-bit float or 32/64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or 32-bit unsigned integer values

Résultats:

Résultat	Description
index	tensor of 64-bit signless integer values

tfl.while (TFL::WhileOp)

Boucle while

output = input; while (cond(output)) { output = body(output) }

While loop where all values are passes through arguments with implicit capture.

input: A list of input tensors whose types are T. output: A list of output tensors whose types are T. cond: A region that takes 'input' and returns a boolean scalar tensor. body: A region that takes a list of tensors and returns another list of tensors. Both lists have the same types.

Traits: SingleBlockImplicitTerminator<YieldOp> , SingleBlock

Interfaces: LoopLikeOpInterface , TflRuntimeVerifyOpInterface

Attributs :

Attribut	MLIR Type	Description
is_stateless	::mlir::BoolAttr	bool attribute

Operands:

Operand	Description
input	variadic of tensor of any type values

Résultats:

Résultat	Description
output	variadic of tensor of any type values

tfl.yield (TFL::YieldOp)

Yield operation

The "yield" operation represents a return operation within the conditional and body of structured control flow (eg, while), and a terminator for ControlNodeOp. The operation takes a variable number of operands and produces no results. The operand number and types must match the signature of the region that contains the operation.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , Terminator

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	Description
"anonyme"	variadic of any type

tfl.zeros_like (TFL::ZerosLikeOp)

ZerosLike operator

Returns a tensor of zeros with the same shape and type as the input tensor.

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultType

Interfaces: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	Description
input	tensor of 64-bit signless integer or 32-bit signless integer or 32-bit float values

Résultats:

Résultat	Description
output	tensor of 64-bit signless integer or 32-bit signless integer or 32-bit float values

Attributs

DimensionMetadataAttr

Dimension metadata.

Syntaxe:

#tfl.dimension_metadata<
  ::mlir::TFL::DimensionTypeAttr,   # format
  int32_t,   # dense_size
  ::llvm::ArrayRef<int32_t>,   # segments
  ::llvm::ArrayRef<int32_t>   # indices
>

Paramètres:

Paramètre	C++ type	Description
format	::mlir::TFL::DimensionTypeAttr	dimension_type
dense_size	int32_t
segments	::llvm::ArrayRef<int32_t>
indices	::llvm::ArrayRef<int32_t>

SparsityParameterAttr

Sparsity parameter.

Syntaxe:

#tfl.sparsity_parameter<
  ::llvm::ArrayRef<int32_t>,   # traversal_order
  ::llvm::ArrayRef<int32_t>,   # block_map
  ::llvm::ArrayRef<DimensionMetadataAttr>   # dim_metadata
>

Paramètres:

Paramètre	C++ type	Description
traversal_order	::llvm::ArrayRef<int32_t>
block_map	::llvm::ArrayRef<int32_t>
dim_metadata	::llvm::ArrayRef<DimensionMetadataAttr>

ConstBytesAttr

A string attribute representation of compiled bytes

Syntax Examples:

#tfl<const_bytes : "0xDEADBEEF">

Paramètres:

Paramètre	C++ type	Description
valeur	::llvm::StringRef

DimensionTypeAttr

_Dimension type

Syntaxe:

#tfl.dimension_type_attr<
  ::mlir::TFL::DimensionType   # value
>

Paramètres:

Paramètre	C++ type	Description
valeur	::mlir::TFL::DimensionType	an enum of type DimensionType

LSTMKernelTypeAttr

_Lstm_kernel type

Syntaxe:

#tfl.lstm_kernel_type_attr<
  ::mlir::TFL::LSTMKernelType   # value
>

Paramètres:

Paramètre	C++ type	Description
valeur	::mlir::TFL::LSTMKernelType	an enum of type LSTMKernelType

MirrorPaddingTypeAttr

_Mirror_pad enum

Syntaxe:

#tfl.mirror_pad_attr<
  ::mlir::TFL::MirrorPaddingType   # value
>

Paramètres:

Paramètre	C++ type	Description
valeur	::mlir::TFL::MirrorPaddingType	an enum of type MirrorPaddingType

Énumérations

DimensionType

_Dimension type

Cas :

Symbole	Valeur	Chaîne
DENSE	0	DENSE
SPARSE_CSR	1	SPARSE_CSR

LSTMKernelType

_Lstm_kernel type

Cas :

Symbole	Valeur	Chaîne
COMPLET	0	COMPLET
BASIQUE	1	BASIQUE

MirrorPaddingType

_Mirror_pad enum

Cas :

Symbole	Valeur	Chaîne
REFLÉTER	0	REFLÉTER
SYMÉTRIQUE	1	SYMÉTRIQUE